跨語言信息檢索在機器人信息數據庫中的應用研究.pdf

1、信息檢索（IR）泛指用戶從包含各種信息的文檔集中找到所需要的信息或知識的過程。傳統的信息檢索系統主要是針對單一語種的文檔集實現，一般是使用用戶最為熟悉的語種作為查詢語言。隨著互聯網的全球化發(fā)展趨勢，用各種語言書寫的信息匯聚在一個集合中，使系統提供對多語種文獻進行同時查詢的需求變得越來越迫切，由此而引發(fā)了信息檢索界對跨語言信息檢索的研究。 跨語言信息檢索（CLIR）即用一種提問語言檢索出用另一種語言書寫的信息，是一種跨越語言界限進

2、行檢索的問題。在當今信息社會中，跨語言信息檢索已成為世界范圍內一個亟待解決的關鍵問題。Internet的全球信息基本結構造成針對跨語言信息檢索系統的需要愈來愈強烈。因特網上，大約80％的網站是英文網站，而將近40％的因特網使用者不會英文。在這種情況下，如果用戶能夠以本國語言輸入查詢，進行跨語言檢索，得出所需檢索的各種語言的文本，將會受益非淺。 上海交通大學建立的機器人信息數據庫屬CALIS項目中的機械制造及自動化文獻數據庫中的子

3、庫，其內容著重于1986年以來國內外出版的各種中英圖書、期刊、會議錄、科技報告、專利產品等文獻中有關機器人方面的文獻資料、科技成果和產品信息。數據庫采用TRS信息發(fā)布檢索系統進行構建，該系統是由易寶北信信息技術有限公司開發(fā)的一個面向文本數據的數據庫管理系統。本文的研究正是基于機器人信息數據庫的。 本文旨在對跨語言信息檢索的理論進行研究，以專業(yè)性很強的機器人信息數據庫作為一個研究的平臺，提出一種適用于專業(yè)數據庫的跨語言信息檢索模型

4、，并根據所研究的理論模型，建立跨語言檢索系統。系統基于機器人信息數據庫建立中英雙語語料庫，在前端建立雙語詞典，實現查詢翻譯，消除歧義，后端加入反饋機制，以完善雙語語料庫。用戶的查詢通過字典、語料庫進行翻譯，在TRS全文檢索系統的基礎上實現對機器人信息數據庫的跨語言信息檢索。 跨語言信息檢索的研究涉及到語言學、情報學、計算機科學等多門學科知識，是一個綜合性強、富有挑戰(zhàn)性的研究領域。本文的研究對于如何在專業(yè)領域數據庫中構建跨語言信息