基于语义距离的跨语言信息检索研究

摘要

国内外在跨语言信息检索方面已经做了大量研究，但普遍是基于DQT的方法，工作重点一般放在翻译模块的改进上，这种模型虽然实现简单，但存在着不易选择正确译文、逐词翻译不够准确、词组翻译难度大等难以解决的问题。虽然也有研究试图解决这些问题，但进展有限。本文提出了一种基于语义距离（语义相似度）计算的跨语言信息检索新模型，打破了常规的基于字符串匹配的信息检索模式，实现了语义层的信息检索，在一定程度上解决了传统跨语言检索系统面临的难题，并具有网页排序算法简单等优点。在语义距离的计算方面，我们用到了著名的中英文知识库——知网（Hownet），利用它提供的丰富的语义信息，把文档间语义距离的计算依次分解为关键词间语义距离计算、义原间的语义距离计算，实践证明取得了良好的效果。