基于潛在中間語(yǔ)義的多語(yǔ)言信息檢索研究.pdf

1、隨著因特網(wǎng)的發(fā)展，由于網(wǎng)絡(luò)資源語(yǔ)種的多樣性和網(wǎng)絡(luò)用戶所掌握語(yǔ)言的差異性，不可避免地給人們利用網(wǎng)絡(luò)檢索信息帶來了語(yǔ)言障礙。例如，一個(gè)中國(guó)用戶可能希望找到英語(yǔ)信息，而他的英語(yǔ)水平又不足以使他能用英語(yǔ)準(zhǔn)確地表達(dá)自己的需求。多語(yǔ)言信息檢索（Multilingual Information Retrieval，MLIR）正是為了滿足這種需要而產(chǎn)生的，它是指用戶用母語(yǔ)提交查詢，搜索引擎在多種語(yǔ)言的數(shù)據(jù)庫(kù)中進(jìn)行信息檢索，返回能夠回答用戶問題的所有語(yǔ)言

2、的文檔。其主要的困難在于語(yǔ)言之間在表達(dá)方式和語(yǔ)義對(duì)應(yīng)上的不確定性。 基于辭典的模式和機(jī)器系統(tǒng)翻譯的技術(shù)一度成為人們進(jìn)行多語(yǔ)言信息檢索的熱點(diǎn)研究技術(shù)。然而僅用翻譯模型進(jìn)行多語(yǔ)言信息檢索，難以處理詞匯翻譯的多對(duì)多問題和未登錄詞問題。通過使用平行語(yǔ)料庫(kù)，從語(yǔ)義（概念）層面上來構(gòu)建多語(yǔ)言信息檢索模型，是當(dāng)今多語(yǔ)言信息檢索研究的新趨勢(shì)。 利用語(yǔ)言之間的潛在中間語(yǔ)義對(duì)應(yīng)關(guān)系，把詞空間映射到一個(gè)抽象的概念空間，可避免直接翻譯到目標(biāo)語(yǔ)言

3、而導(dǎo)致的語(yǔ)義偏離，能部分解決詞匯歧義和未登錄詞問題。據(jù)此，本文應(yīng)用擴(kuò)展的偏最小二乘理論提出了一種基于潛在中間語(yǔ)義的多語(yǔ)言信息檢索模型：在統(tǒng)一框架下對(duì)雙語(yǔ)語(yǔ)料庫(kù)的平行文檔進(jìn)行分析建模，提取語(yǔ)言之間的潛在中間語(yǔ)義對(duì)應(yīng)關(guān)系，在潛在中間語(yǔ)義空間中進(jìn)行檢索，從而實(shí)現(xiàn)多語(yǔ)言信息檢索。 本文主要工作： 1、分析并深入研究了基于辭典翻譯進(jìn)行多語(yǔ)言信息檢索存在的翻譯歧義問題，針對(duì)該問題，應(yīng)用擴(kuò)展的偏最小二乘理論，提出了一種同時(shí)考慮雙語(yǔ)平行