跨语检索

✍ dations ◷ 2025-09-11 04:16:28 #自2017年10月带有失效链接的条目,信息检索,图书资讯科学,计算机科学,资讯科学

跨语检索,或称“跨语资讯检索”(Cross-Language Information Retrieval,CLIR),其定义采用 Oard, D. W.在1997年发表的文章《Cross-Language Information Retrieval Defined》。跨语检索意指使用者使用某种自然语言的检索词汇检索由另一种语言表达的文件。

举例来说,使用者使用(自己熟悉的)中文产生一组检索词汇进行检索,而其检索结果皆以(使用者完全不懂或不熟悉)的日文,所撰写的文件。

1969年,Salton,G.发表《Automatic processing of foreign language documents》文章。Salton 以智能文本信息检索系统当作实验对象,智能检索系统背后有多国语言语料库的支援,借由该系统,Salton 使用英文为主要检索词汇的语言,检索德文的文件和资料,反之亦然。实验结果发现,采用全自动文件处理方法(fully automatic text processing methods)的 SMART 文件检索系统可以用相对简单而有效率的方式,进行文献索引、分类、搜寻,和检索等工作。这也是文献中,第一次提到跨语检索概念的文章,不过这篇文章尚未正式使用跨语检索或跨语资讯检索一词。

1992年,美国国家标准和科技机构 (National Institute of Standards and Technology, 简称 NIST)和美国情报局先进研发活动 (Advanced Research and Development Activity center of the U.S. Department of Defense, 简称 DARDA ] 合作举办“文字检索会议”(The Text REtrieval Conference, TREC),一开始是附属于 TIPSTER Text program底下的计划,从1992年之后,每年都会举办一次TREC会议。TREC 会议成立目的是辅导与支援资讯检索相关研究,提供标准测试集协助研究者进行测试等。

1996年,美国计算机协会(Association of Computing Machinery,ACM)在瑞士所举办的SIGIR-96会议中,首次出现以跨语检索为研究主题的研讨会,与跨语检索相关的讨论,可在这本会议论文集 《Proceedings of the 19th annual international ACM SIGIR conference on Research and development in information retrieval》找到。

1998年,召开第一次 NII Test Collection for IR Systems program 会议(NTCIR)。NTCIR会议主要是由日本学术振兴会(JSPS)、日本国家科学资讯系统中心(NACSIS),以及日本国立情报学研究所(NII) 共同合作举办。其目的是希望,在资讯检索与自然语言检索的研究领域中,能发展出以日文为主的标准测试集。至今,已发展出NTCIR1~6的文件集。

2000年,欧盟成立“跨语言资讯检索论坛”(Cross Language Evaluation Forum,CLEF) ,每年定期举办跨语检索研讨会,并且推动跨语检索技术评比。目前有文字资讯检索评比,或称文本信息检索(text retrieval)评比和跨语图片资讯检索评比,或称跨语图像检索(Cross-Language Image Retrieval] )项目,除了跨语检索技术评比之外,尚包括发展以欧洲语系为主的单语资讯检索系统(monolingual information retrieval system)的基础建设,包含测试 (testing)和评鉴(evaluating)等工作,该组织也包含在欧盟的数位图书馆 (digital library)计划中。

跨语检索的特征,根据陈信希教授在2002年的《跨语检资讯检索:理论、技术与应用》这篇文章指出,共具有六项特征,将内容统整如下:

根据陈信希和陈光华的文章,目前跨语检索相关技术,可分成三大类,分述如下:

相关

  • 意大利足球甲级联赛意大利足球甲组联赛(意大利语:Lega Serie A,简称“意甲”)是意大利顶级足球联赛,由意大利足球协会(Federazione Italiana Giuoco Calcio,FIGC)所管理,意甲职业联盟(Lega Nazionale Pro
  • 心脏瓣膜尖心瓣(heart valve),又称心瓣膜、心脏瓣膜,是心脏中内类似阀的构造,用以维持血液循环在心脏中的单向流动,防止血液倒流。哺乳动物的心脏通常具有四个瓣膜,决定了血液的流向。心瓣前
  • 虎杖虎杖(学名:Fallopia japonica),别名假川七、土川七、红三七、三七或日本蓼,是一种蓼科何首乌属植物。被国际自然保护联盟物种存续委员会的入侵物种专家小组(ISSG)列入世界百大外来
  • 北欧海盗维京人(古诺斯语:víkingr)是诺尔斯人的一支(斯堪的纳维亚人),他们是从公元8世纪到11世纪侵扰并殖民欧洲沿海和不列颠群岛的探险家,武士,商人和海盗。其足迹遍及从欧洲大陆至北极广
  • 四大贝勒后金的建立者努尔哈赤死时,皇太极继承大汗位置,但与其他三位亲王一同主持朝政。因大汗与另三位亲王在天命年间均被册封为旗主和硕贝勒,故此段时期被称为四大贝勒时期。按年资齿
  • 泡沫泡沫是气体分散在液体或固体中的一种分散体系。啤酒开瓶时的泡沫、肥皂泡沫都是气体在液体中的泡沫;泡沫塑料和泡沫玻璃中的气泡则是气体在固体中的气泡,固体泡沫为轻质多孔海
  • 网易云网易云是网易公司旗下的云计算和大数据品牌,自2015年起对外开放。服务的自有产品包括网易云音乐、网易云阅读、网易云安全(易盾)、网易云课堂、网易云相册、网易云信等等。截至
  • 吴越吴越可能指:
  • 埃德蒙兹埃德蒙兹(Edmonds)是美国华盛顿州斯诺霍米什县的一座城市。根据2000年美国人口普查,共有39,515人,其中白人占87.83%、亚裔美国人占5.56%、非裔美国人占1.34%。
  • 冈山县第4区冈山县第4区是日本众议院的选区,始于1994年。北海道 13 | 山形县 4 | 静冈县 9 | 岛根县 3 | 大分县 4福井县 3 | 山梨县 3 | 德岛县 3 | 高知县 3 | 佐贺县 3青森县 4 | 岩