跨語言信息檢索在機(jī)器人信息數(shù)據(jù)庫中的應(yīng)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(tǒng)的信息檢索系統(tǒng)主要是針對單一語種的文檔集實(shí)現(xiàn)，一般是使用用戶最為熟悉的語種作為查詢語言。隨著互聯(lián)網(wǎng)的全球化發(fā)展趨勢，用各種語言書寫的信息匯聚在一個(gè)集合中，使系統(tǒng)提供對多語種文獻(xiàn)進(jìn)行同時(shí)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(jìn)

2、行檢索的問題。在當(dāng)今信息社會中，跨語言信息檢索已成為世界范圍內(nèi)一個(gè)亟待解決的關(guān)鍵問題。Internet的全球信息基本結(jié)構(gòu)造成針對跨語言信息檢索系統(tǒng)的需要愈來愈強(qiáng)烈。因特網(wǎng)上，大約80％的網(wǎng)站是英文網(wǎng)站，而將近40％的因特網(wǎng)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(jìn)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(xué)建立的機(jī)器人信息數(shù)據(jù)庫屬CALIS項(xiàng)目中的機(jī)械制造及自動化文獻(xiàn)數(shù)據(jù)庫中的子

3、庫，其內(nèi)容著重于1986年以來國內(nèi)外出版的各種中英圖書、期刊、會議錄、科技報(bào)告、專利產(chǎn)品等文獻(xiàn)中有關(guān)機(jī)器人方面的文獻(xiàn)資料、科技成果和產(chǎn)品信息。數(shù)據(jù)庫采用TRS信息發(fā)布檢索系統(tǒng)進(jìn)行構(gòu)建，該系統(tǒng)是由易寶北信信息技術(shù)有限公司開發(fā)的一個(gè)面向文本數(shù)據(jù)的數(shù)據(jù)庫管理系統(tǒng)。本文的研究正是基于機(jī)器人信息數(shù)據(jù)庫的。 本文旨在對跨語言信息檢索的理論進(jìn)行研究，以專業(yè)性很強(qiáng)的機(jī)器人信息數(shù)據(jù)庫作為一個(gè)研究的平臺，提出一種適用于專業(yè)數(shù)據(jù)庫的跨語言信息檢索模型

4、，并根據(jù)所研究的理論模型，建立跨語言檢索系統(tǒng)。系統(tǒng)基于機(jī)器人信息數(shù)據(jù)庫建立中英雙語語料庫，在前端建立雙語詞典，實(shí)現(xiàn)查詢翻譯，消除歧義，后端加入反饋機(jī)制，以完善雙語語料庫。用戶的查詢通過字典、語料庫進(jìn)行翻譯，在TRS全文檢索系統(tǒng)的基礎(chǔ)上實(shí)現(xiàn)對機(jī)器人信息數(shù)據(jù)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(xué)、情報(bào)學(xué)、計(jì)算機(jī)科學(xué)等多門學(xué)科知識，是一個(gè)綜合性強(qiáng)、富有挑戰(zhàn)性的研究領(lǐng)域。本文的研究對于如何在專業(yè)領(lǐng)域數(shù)據(jù)庫中構(gòu)建跨語言信息