跨语言信息检索

摘要： [目的/意义]旨在探讨解决原英日文献检索分析中存在的不足,实现以中文为检索语言的中、英、日文献资源的统一检索。[方法/过程]介绍了一种通过机器翻译技术实现以中文为检索语言的中日英文献资源的统一检索系统。[结果/结论]该系统基于MASH-UP技术将检索结果整合进行统一的内容分析,帮助用户跨越语言的障碍,方便地查询和使用外文文献。

摘要： 中国少数民族文字信息处理技术还处于发展前期,标准化的工作尚未完成,目前许多网站所使用的文字编码互不相通,各网站之间不能兼容,网站开发水平参差不齐,页面代码不够规范等等,都使得少数民族文字搜索引擎的开发比汉文搜索引擎的开发更为困难,开发一个检索结果准确、全面的少数民族文字网络搜索引擎对少数民族文字互联网资源的检索以及民族问题舆情分析等方面的工作都有着重大意义.文章对少数民族文字网络搜索引擎难点问题与关键技术进行了梳理,并提出下一步需要开展的工作.

摘要： 针对传统跨语言查询扩展方法中存在的问题,提出一种基于用户兴趣模型的个性化跨语言查询扩展方法.该方法利用用户的历史浏览日志信息建立用户兴趣模型,在该模型基础上对初始检索结果进行分析,将初始检索结果文档中与用户兴趣相关度较大的文档作为查询扩展的依据,使扩展后得到的查询关键词更能表达用户的个性化需求.在真实用户搜索日志数据上的实验结果表明,本文算法能更好地满足用户的个性化需求,有效地改善和提高跨语言信息检索的准确率,与未经过个性化查询扩展的跨语言信息检索及现有算法比较,其实验结果的MAP、P@5、P@10值都得到了提高,提高幅度最大可达26.51％.

摘要： 针对跨语言信息检索中存在的查询主题漂移问题,提出一种基于完全加权关联规则后件扩展的越英跨语言信息检索模型,给出了模型结构及其各个功能模块,详细阐述了模型的关键技术及其算法.该模型将完全加权模式挖掘技术和用户相关反馈扩展融合应用于越英跨语言信息检索,将越南语查询通过机器翻译系统译为英文并检索为英文文档,提取前列初检文档构建用户相关反馈文档集,采用完全加权关联规则挖掘技术对用户相关反馈文档集挖掘与原查询相关的关联规则,将关联规则后件作为扩展词,并和原查询组合成新查询再次检索英文文档,得到最终检索结果.在NTCIR-5 CLIR数据集上的实验结果表明,该模型能减少越英跨语言检索中的查询漂移,提高和改善其检索性能.

摘要： 跨语言知识链接是指在描述相同内容的不同语言的在线百科文章之间建立联系.跨语言知识链接可分为候选集选择和候选集排序两部分.首先,把候选集选择问题转换为跨语言信息检索问题,提出一种将标题与关键词相结合从而生成查询的方法,该方法将候选集选择的召回率大幅提高至93.8％;在候选集排序部分,提出一种融合双语主题模型及双语词向量的排序模型,实现了英文维基百科和中文百度百科之间军事领域的跨语言知识链接.实验结果表明,该模型取得了75％ 的准确率,显著提高了跨语言知识链接的性能,并且提出的方法不依赖于语言特性和领域特性,因此可以很容易地扩展至其他语言和其他领域的跨语言知识链接.

摘要： “多民族语言档案主题词表”是可以实现国家通用语言文字主题词和各少数民族语言文字主题词之间语义映射和关联关系的多语种档案主题词表,是民族地区档案机构在多语言环境下进行档案跨语言检索的基础工具.根据《多语种叙词表编制规则》,“多民族语言档案主题词表”总体上采用模块化结构设计.可在《中国档案主题词表》的基础上,增加若干个由国家通用语言文字向少数民族语言文字映射后形成的双语主题词子表,其各个子表可以独立运行,也可按照总表模式统一运行.编制“多民族语言档案主题词表”的关键任务是国家通用语言文字主题词向各少数民族语言主题词的映射,需要根据精确等义、部分等义、单词与多词等义、无等义词等情形,制定不同的语言映射规则.

摘要： 民族地区政务大厅多语言服务环境是指我国民族地区政府机关机为使用不同民族语言和具有不同语言文字应用能力的服务对象所特别设计的多语种信息辅助交流空间和动态协作服务体系.本文从信息生态学的视角,分析了民族地区政务大厅多语言信息生态系统的构成要素,构建了该系统的顶层架构模型并探讨了主要信息生态链多语言服务的实现方式,分析了构建多语言信息生态系统的四种基本策略.本文的研究结论有助于提高我国民族地区政务大厅公共服务创新,对我国各民族团结与交融的格局也将产生重要影响.

摘要： 为解决跨语言信息检索中多语言知识组织问题,根据本体术语学中概念具有独立于语言多样性的稳定性,不同语言或文化背景下的术语可表示同一个概念的核心观点,结合教育领域的需求,依据《教育主题词表》构建出支持多语言检索的标准化本体模型.将对术语的检索提升到概念层面,从而消除由不同语言相互转换所带来的歧义,很好地解决了教育领域跨语言语义信息检索问题.最后,利用Jena API实现对该本体的查询并构建出跨语种语义检索原型系统,结果证明了所提出的方案的可行性.

摘要： 首先提出矩阵加权项集支持度计算方法,给出面向跨语言查询扩展的矩阵加权关联模式挖掘算法.然后提出基于矩阵加权关联规则挖掘的跨语言查询译后扩展算法.借助机器翻译进行首次跨语言检索,得到前列初检文档,并经用户相关性判断后得到相关反馈文档.通过计算支持度从相关反馈文档中挖掘含有原查询词的矩阵加权频繁项集,通过置信度-兴趣度评价框架从频繁项集中提取含有原查询词的关联规则,将规则的后件或前件作为扩展词,利用规则的置信度和兴趣度衡量扩展词的重要性,完成跨语言查询译后扩展.在NTCIR-5 CLIR标准测试集上的实验表明,文中算法可以有效提升跨语言查询扩展性能,有利于长查询的跨语言检索,译后后件扩展性能优于前件.

摘要： [目的/意义]基于汉蒙间跨语言检索系统发展现状,设计并实现通过汉文、传统蒙古文关键词检索西里尔蒙古文文档的系统.[方法/过程]汉蒙跨语言检索系统包括机器翻译和文档检索.在机器翻译方面,实现了基于词典的汉文到西里尔蒙古文机器翻译,并实现了基于规则和统计的传统蒙古文到西里尔蒙古文转换;在文档检索方面,基于Lucene全文索引工具包对大量的西里尔蒙古文文档建立索引,并根据向量空间模型对查询和文档的相似度进行排序,得到与查询最为匹配的文档集.[结果/结论]本系统响应速度较快,准确率较高,达到可用水平.一方面促进中国与蒙古国之间的科技、文化、教育的交流;另一方面对我国西里尔蒙古文的研究有一定的促进作用.

摘要： 本文对跨语言信息检索、平行语料库进行了介绍，对平行语料库、机器翻译、词典翻译方法进行比较，翻译消歧方面平行语料库比机器翻译和词典翻译要有优势，而机器翻译具有迅速翻译大量文献的特点，词典使翻译的字词更精确。并对跨语言信息检索未来的发展进行了展望。

摘要： 为解决蒙古族网络用户获取信息困难的问题,通过分析多语言语义词典在跨语言信息检索中的应用,提出了采用多语言本体技术构建面向跨语言信息检索的蒙汉语义词典的方法,详细介绍了词典的信息组织模式,并给出计算机术语蒙汉语义词典的查询、推理及词典测试方法。本文的工作为蒙汉跨语言信息检索及应用系统的开发建立了基础。

摘要： 以跨语言信息检索需求为背景,介绍了目前语义词典及应用的概况,根据蒙古文互联网发展的现状,从应用需求出发,提出构建面向跨语言信息检索的蒙汉双语语义词典的重要性,并利用构建领域本体的方法给出蒙汉双语计算机术语语义词典的初步设计方法。

摘要： 目前的跨语言信息检索能够使用的方法有四种:查询词翻译的方法、文档翻译的方法、中间语言翻译方法和非翻译的方法.本文对这四种方法进行了简要介绍,提出它们的优缺点,并且提出了一种新的非翻译的方法——基于中间语义的方法.我们对提出来的方法进行了TREC跨语言语料库的试验,并且与单语言的信息检索模型进行了比较.试验证明我们的方法具有很好的性能和健壮性.

摘要： 跨语言信息检索指用户以一种语言提问,检索出另一种或几种语言描述的信息资源的检索技术,是信息检索领域重要的研究方向之一.近年来,跨语言词向量为跨语言信息处理提供了良好的表示形式,受到很多学者的关注.该文利用跨语言词向量实现从汉文查询词到蒙古文查询词扩展和映射,并利用该文提出的串联式查询扩展、串联式查询扩展过滤、交叉验证过滤三种查询扩展方法在进行词向量映射时对候选的蒙古文查询词进行筛选和排序,选择符合上下文的蒙古文词语.实验结果表明:在蒙汉跨语言信息检索任务中引入交叉验证方法对检索结果有很大的提升.

摘要： 目的/意义：多语言翻译资源的缺乏是跨语言信息检索的主要障碍之一,随着社会化媒体和以用户为中心的网络模式的迅速发展,产生了大量用户自己创造的网络资源,本文旨在探讨社会化媒体在多语言翻译资源构建和跨语言信息检索中的应用.方法/过程：采用文献调查、比较研究、案例分析等方法,分别论述了社会化媒体在双语语料库、多语言词典、多语言本体和多语言大众分类系统等构建方面的应用,并基于维基百科的应用,开发了一个双语平行网页挖掘系统.结果/结论：无论是在理论上还是实践应用中,社会化媒体在跨语言信息检索和多语言翻译资源构建中均具有先进性;利用社会化媒体显著提高了自动构建多语言翻译资源的效率.

摘要： 以现有的词典资源和分类体系为基础，我们提取了航空领域的主要概念并揭示了概念之间的关系，形成航空领域概念分类谱系，最后构建了一个俄汉双语航空领域本体知识库。将俄汉两种语言表示的航空领域知识整合到一个本体框架下，既有助于航空知识的共享和复用，也为跨语言信息检索的研究奠定了基础。

摘要： 我们研究了一种全新的基于KCCA算法的全自动跨语言信息检索方法,这种算法能通过学习双语训练语料来获得文献的语义表示(向量空间)。通过运用KCCA来进行中英跨语言专利检索的实验,结果令人鼓舞,所获得的检索结果明显好于以往的技术方法。

摘要： 跨语言查询偏移的问题在非平行网页中尤为严重,本文针对可比性较差的非平行多语言检索文档,提出了一个基于弱相关主题对齐的跨语言伪相关反馈模型.利用翻译知识建立不同语言主题之间的对齐关系,并提出融合了翻译以及web同现特征的多语言词项相似度评分函数,从弱相关对齐主题中抽取有用的扩展词.该模型有助于改善跨语言查询偏移问题,适合对可比性较差的检索文档进行跨语言反馈扩展.

摘要： 跨语言查询偏移的问题在非平行网页中尤为严重,本文针对可比性较差的非平行多语言检索文档,提出了一个基于弱相关主题对齐的跨语言伪相关反馈模型.利用翻译知识建立不同语言主题之间的对齐关系,并提出融合了翻译以及web同现特征的多语言词项相似度评分函数,从弱相关对齐主题中抽取有用的扩展词.该模型有助于改善跨语言查询偏移问题,适合对可比性较差的检索文档进行跨语言反馈扩展.

摘要： 一种跨语言信息建构方法，包含以系统的处理器从多个网络平台搜集多个对象信息。以处理器依据这些对象信息建构对应本地语言的第一数据结构与对应目标语言的第二数据结构。以处理器依据第一数据结构内的多个第一对象信息具有的特征数据，对这些第一对象信息进行分群以形成多个本地图像群组。以处理器依据第二数据结构内的多个第二对象信息具有的特征数据，对这些第二对象信息进行分群以形成多个目标图像群组。其中，每个本地图像群组包含多个本地标签群组，且每个目标图像群组包含多个目标标签群组。

摘要： 本发明提供一种跨语言检索请求的转换方法和装置以及跨语言信息检索方法和系统。该跨语言检索请求的转换方法包括：利用多个不同的机器翻译系统分别对上述跨语言检索请求进行从源语言到目标语言的翻译，以得到该跨语言检索请求的多个目标语言译文；以及以上述跨语言检索请求的上述多个目标语言译文为基础，构造与该跨语言检索请求对应的目标语言检索请求。本发明通过融合多个机器翻译系统所生成的跨语言检索请求的译文来构造目标语言检索请求，从而提高跨语言信息检索系统的检索性能。

摘要： 本发明涉及基于双语词典映射指导的跨语言信息检索方法。包括：构建并预处理汉越CLIR数据集；预处理英法、英菲、英斯三种CLIR公共数据集；构建的双语映射词典并基于词级映射分别构造查询辅助句；利用共享Transformer分别获取查询、辅助句及文档的上下文表示，同时借助查询与辅助句之间的双语交互注意力机制获得查询的跨语言特征表示；最后利用双语交互排序模型获得查询和文档的匹配分数实现跨语言信息检索。本发明利用双语映射词典实现跨语言沟通，缓解了缺乏查询‑文档对齐语料及语言差异性给信息检索带来的影响。本发明相比跨语言信息检索主流方法，MAP指标明显提升。且本方法在差异性不同的语言对上都具有明显的优势。

摘要： 本发明公开了一种基于概念图的跨语言信息检索方法，所述基于概念图的跨语言信息检索方法为跨语言相似度评估框架CG‑CLIR的方法，包括以下步骤：S1，基于Skip‑Gram的概念图边表示；S2，融合边信息的高阶语义嵌入及相似度计算；所述步骤S1包括文本预处理、概念图边语义嵌入；所述步骤S2包括基于LSTM的图级别语义嵌入、基于图嵌入的相似度计算。本发明的方法在文本跨语言信息检索中，跨越了语言障碍，在不经过翻译的情况下，实现了语义检索的效果。

摘要： 多语言信息检索一体化检索方法，涉及多语言信息检索方法，解决了现有分离模式的多语言信息检索造成的源语言信息流失、带来大量噪声和检索结果准确性低地问题，具体步骤如下：一、将用户输入的源语言查询关键词翻译成目标语言的关键词；二、目标语言的关键词根据各单词的词序、各单词的修饰和搭配关系、各单词的词距划分为三种关系模式：精确匹配模式、共现模式和独立模式；三、求得在查询文档D中精确匹配模式的条件概率，共现模式的条件概率，独立模式的条件概率；四、计算在查询文档D中的文档生成查询概率；五、计算源语言查询关键词和查询文档特征向量的相似性；六、计算多语言信息检索的条件概率；七、返回检索结果。本发明适用于跨语言信息检索。

摘要： 本发明提供一种跨语言检索请求的转换方法和装置以及跨语言信息检索方法和系统。该跨语言检索请求的转换方法包括：利用多个不同的机器翻译系统分别对上述跨语言检索请求进行从源语言到目标语言的翻译，以得到该跨语言检索请求的多个目标语言译文；以及以上述跨语言检索请求的上述多个目标语言译文为基础，构造与该跨语言检索请求对应的目标语言检索请求。本发明通过融合多个机器翻译系统所生成的跨语言检索请求的译文来构造目标语言检索请求，从而提高跨语言信息检索系统的检索性能。

摘要： 本发明涉及基于双语词典映射指导的跨语言信息检索方法。包括：构建并预处理汉越CLIR数据集；预处理英法、英菲、英斯三种CLIR公共数据集；构建的双语映射词典并基于词级映射分别构造查询辅助句；利用共享Transformer分别获取查询、辅助句及文档的上下文表示，同时借助查询与辅助句之间的双语交互注意力机制获得查询的跨语言特征表示；最后利用双语交互排序模型获得查询和文档的匹配分数实现跨语言信息检索。本发明利用双语映射词典实现跨语言沟通，缓解了缺乏查询‑文档对齐语料及语言差异性给信息检索带来的影响。本发明相比跨语言信息检索主流方法，MAP指标明显提升。且本方法在差异性不同的语言对上都具有明显的优势。

摘要： 本发明公开了一种基于概念图的跨语言信息检索方法，所述基于概念图的跨语言信息检索方法为跨语言相似度评估框架CG‑CLIR的方法，包括以下步骤：S1，基于Skip‑Gram的概念图边表示；S2，融合边信息的高阶语义嵌入及相似度计算；所述步骤S1包括文本预处理、概念图边语义嵌入；所述步骤S2包括基于LSTM的图级别语义嵌入、基于图嵌入的相似度计算。本发明的方法在文本跨语言信息检索中，跨越了语言障碍，在不经过翻译的情况下，实现了语义检索的效果。

摘要： 本申请涉及跨语言信息检索。用于跨语言信息检索的方法、系统、装置，包括计算机程序产品。接收源语言的源查询。将所述源查询翻译为目标语言的目标查询。识别满足所述目标查询的一个或多个目标语言资源。将所识别的资源翻译为源语言。呈现与所翻译资源相对应的搜索结果。

摘要： 用于跨语言信息检索的方法、系统、装置，包括计算机程序产品。接收源语言的源查询。将所述源查询翻译为目标语言的目标查询。识别满足所述目标查询的一个或多个目标语言资源。将所识别的资源翻译为源语言。呈现与所翻译资源相对应的搜索结果。