基于中間語義的跨語言信息檢索研究.pdf

1、隨著國際互聯(lián)網(wǎng)的快速發(fā)展，Internet上信息資源類型和數(shù)量都愈來愈豐富，所使用的語言亦愈來愈具有多樣性和不平衡性；同時隨著網(wǎng)絡用戶數(shù)量與范圍的急劇膨脹，其所掌握的語言也開始呈現(xiàn)多樣化。由于網(wǎng)絡資源語種的多樣性和網(wǎng)絡用戶所掌握語言的差異性不可避免地給人們利用網(wǎng)絡檢索信息帶來了語言障礙，例如網(wǎng)絡中65％以上的信息都是英語信息，而使用英文的網(wǎng)絡用戶僅占約30％，這給非英語國家用戶利用網(wǎng)絡信息帶來了極大的不便。不僅在互聯(lián)網(wǎng)中，在所有同時存在

2、多語種的信息系統(tǒng)（如數(shù)字圖書館）中，這種語言障礙都限制了人們對信息的有效獲取，影響了多語種信息價值的充分發(fā)揮。 從上世紀90年代末開始，人們對信息檢索提出了更高的要求，即不再滿足于在同一語種中進行檢索，而要求在檢索結(jié)果中包含多種語種的相關(guān)信息。為解決人們在從多語種信息系統(tǒng)中獲取信息的過程中存在的語言障礙問題，研究學者提出了使用一種語言即可以方便地檢索出系統(tǒng)中存在的所有語種相關(guān)信息的方法和技術(shù)，稱為跨語言信息檢索（Cross—La

3、nguage Information Retrieval，CLIR）技術(shù)。 基于辭典的模式和機器系統(tǒng)翻譯的技術(shù)一度成為人們進行跨語言信息檢索的熱點研究技術(shù)?；谵o典的模式就是采用機讀辭典來做翻譯，這里主要的問題是詞匯的歧義性，一個詞匯可能有多重意義，因此產(chǎn)生類似一般機器翻譯系統(tǒng)選詞的問題。另一個問題是辭典本身的覆蓋度不夠，動態(tài)的專有名詞如人名、地名、機構(gòu)名稱等日新月異，很有可能在翻譯過程中在辭典中找不到。而機器系統(tǒng)的翻譯主要是針