跨语检索

✍ dations ◷ 2025-06-08 05:47:32 #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

  • 麻黄碱麻黄碱,又称麻黄素(英语:ephedrine,缩写:EPH)是一种拟交感神经胺,可用来预防腰椎麻醉(英语:Spinal anaesthesia)时可能引发的低血压症状,也会在治疗气喘、猝睡症以及肥胖症中使用,但效果
  • 地球引力地球引力或地球重力是因地球本身的质量-地球质量而自然具有的引力。地球表面重力加速度的表示符号为g,近似地等于每平方秒9.8米或每平方秒32英尺,意即当忽略空气阻力时,一物体在
  • Journal of Chemical Physics化学物理学报(Journal of Chemical Physics)是一份科学学术期刊,发表化学物理各领域的论文,由美国物理协会出版,每年出版两卷,各24期。
  • 羌独天竺是中国古代对印度的称谓之一。在中国历史上,对印度的最早记载在《史记·大宛传》,当时称为身毒(上古汉语拟音:)(印度河梵文“Sindhu”对音)。《史记》曰:“张骞曰:‘臣在大夏时,见
  • 鱼素者鱼素主义(Pescetarianism)是指戒食红肉、禽类肉食,但仍进食海鲜(以鱼为主)的饮食习惯。鱼素者对各类型病菌、禽流感等疾病、肥胖、过敏等健康方面的担忧,因而放弃红白肉,改以鱼类来
  • 相机陷阱相机陷阱指使用动作传感器、红外探测器或其他光束作为触发机关的遥控相机。它常被用来拍摄摄影师不容易直接拍得的画面,多运用在生态研究领域,例如监督狩猎、观察野生动物、寻
  • 西峡县西峡县,原名西峡口,因位于南阳西侧的峡口而得名,是中国河南省南阳市下辖的一个县。下辖10个乡、8个镇,297个行政村(街),人口约有43万人,3454平方公里。森林及水资源丰富。这里是楚文
  • 安达曼海安达曼海(Andaman Sea;印地语:अंडमान सागर; 泰语:ทะเลอันดามัน, IPA:),又名缅甸海(Burma Sea;缅甸语:မြန်မာပင်လယ်, IPA:),是一个孟加拉湾东南部的水
  • 高明高明(1942年1月28日-),江苏人,中国大陆男演员。1959年,高明进入昆明军区国防话剧团任学员、演员、副团长。1985年,调西影演员剧团任团长、西安电影制片厂一级演员、国家一级演员、
  • 罗培德罗培德(William Payne Roberts,)是美国圣公会传教士,继郭斐蔚之后为中华圣公会江苏教区第六任主教(1937-1950)。罗培德曾就读于耶鲁大学和麻省剑桥的圣公会神学院,1914年来华传教,任