基于叙词表映射的农业跨语言检索系统设计.pdfVIP

基于叙词表映射的农业跨语言检索系统设计 常春，卢文林 中国农业科学院农业信息研究所，北京（100081 ） E-mail: changc@ 摘 要：文章介绍了来自不同组织的两个农业领域叙词表的映射工作，通过农业领域专家参 与，人工给定大约1/3 的映射关系；文章还设计了基于映射数据和叙词表数据，开发跨语言 检索系统的方案，通过模型设计，演示跨语言检索过程；文章也对该系统可能存在的问题进 行了讨论。 关键词：叙词表；概念；跨语言检索；映射 从 1978 年以来，我国经济、科技持续得到快速的发展，在农业及相关部门的努力下， 使得我国基本解决了粮食短缺问题，人民群众的生活水平向温饱和小康阶段过渡，我国在减 少贫困和饥饿人口方面在世界上做出了显著贡献。随着我国农业经济的快速增长，农业领域 将需要更多的世界范围内的有用信息；同时，世界各国也对中国农业发展产生了浓厚的兴趣， 愿意了解中国农业科技成果，引进中国农业优质品种，学习中国农业发展经验。从 20 世纪 90 年代起，因特网在世界范围内得到了高速发展，不同语言的网络信息以指数方式增长， 网络用户总是可以通过搜索引擎获得自己需要的部分或全部信息，但主要限制在用户擅长的 语言内容，很难获得自己不熟悉语言的文献信息。这样，在当今网络时代，跨语言检索浮出 水面，成为当今图书、情报和计算机科学领域的一个重要研究领域。加上网页自动翻译、机 器辅助翻译的基本过关、或者至少可以翻译出有一定参考价值材料等科技成果，使得跨语言 检索及不同语言信息检索和获取成为可能。本文是通过对不同语种叙词表映射，实现基于概 念的农业跨语言检索，并设计了机器辅助翻译功能，使得用户可以检索并且获取母语以外其 他语言的信息。本项目是与联合国粮农组织（FAO ）的国际合作研究项目的部分成果，整体 项目在完成过程中[1] 。 1. 英汉农业叙词表映射 为了提高信息的检全和检准率，本项目设计了开发基于叙词表概念的跨语言检索系统， 这里对相关的叙词表、映射规则及相关的表达语言进行简单介绍。 1.1 英汉农业叙词表简介 本项目涉及到两部农业领域的叙词表，一部是 FAO 的农业多语种叙词表AGROVOC[2]， 另一部是中国农业科学院农业信息研究所开发的《农业科学叙词表》[3] 。 AGROVOC 是隶属于 FAO 的国际性农业多语种叙词表，它覆盖了农业、林业、渔业、 食物等相关领域，符合多语种叙词表的标准规范，用于对相关领域的文献信息进行标引和检 索。FAO 对之进行正常的维护和更新，一般周期为 3 个月。它的用户来自世界各地。 AGROVOC 有 FAO 的五种官方语言：英语、法语、西班牙语、汉语和阿拉伯语，同时还有 捷克语、葡萄牙语、泰语等，其他语种，如德语、意大利语、朝鲜语、日语、匈牙利语、斯 洛伐克语、波兰语、北印度语等也正在翻译中。英语是 AGROVOC 的源语言，它有 28705 个叙词，10927 个非叙词；对应的汉语翻译，有 28448 个中文叙词，8350 个中文非叙词。 1994 年，我国编制出版了《农业科学叙词表》，包括农业、林业、生物等领域，是一部 大型、综合性农业叙词表，收录了 51614 条叙词，13024 条非叙词，编排格式完全符合相应 的国际标准和国家标准。以后在一些相关科研项目的支持下，笔者所在的课题组进行了不定 - 1 - 期的维护。2004 年，在中国农业科学院农业信息研究所的研究经费资助下，研制出网络版 的农业科学叙词表。《农业科学叙词表》现在已经成为我国农业领域最为权威的叙词表，用 户遍及世界各地。 1.2 W3C 的词表映射规则 W3C 在 2004 年发布了 RDF 格式的 SKOS 映射规范，给出了叙词表映射的一些基本规 则，这些规则包括两个概念间的三种主要匹配关系，以及三种或三种以上概念的组合匹配关 系，并且分别给出了相应匹配关系的 RDF 语言表达实例[4] 。 三种主要匹配关系是：① exac