跨語(yǔ)言信息檢索在機(jī)器人信息數(shù)據(jù)庫(kù)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(shí)的過(guò)程。傳統(tǒng)的信息檢索系統(tǒng)主要是針對(duì)單一語(yǔ)種的文檔集實(shí)現(xiàn)，一般是使用用戶最為熟悉的語(yǔ)種作為查詢語(yǔ)言。隨著互聯(lián)網(wǎng)的全球化發(fā)展趨勢(shì)，用各種語(yǔ)言書寫的信息匯聚在一個(gè)集合中，使系統(tǒng)提供對(duì)多語(yǔ)種文獻(xiàn)進(jìn)行同時(shí)查詢的需求變得越來(lái)越迫切，由此而引發(fā)了信息檢索界對(duì)跨語(yǔ)言信息檢索的研究。 跨語(yǔ)言信息檢索（CLIR）即用一種提問(wèn)語(yǔ)言檢索出用另一種語(yǔ)言書寫的信息，是一種跨越語(yǔ)言界限進(jìn)

2、行檢索的問(wèn)題。在當(dāng)今信息社會(huì)中，跨語(yǔ)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(wèn)題。Internet的全球信息基本結(jié)構(gòu)造成針對(duì)跨語(yǔ)言信息檢索系統(tǒng)的需要愈來(lái)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(huì)英文。在這種情況下，如果用戶能夠以本國(guó)語(yǔ)言輸入查詢，進(jìn)行跨語(yǔ)言檢索，得出所需檢索的各種語(yǔ)言的文本，將會(huì)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(kù)屬CALIS項(xiàng)目中的機(jī)械制造及自動(dòng)化文獻(xiàn)數(shù)據(jù)庫(kù)中的子

3、庫(kù)，其內(nèi)容著重于1986年以來(lái)國(guó)內(nèi)外出版的各種中英圖書、期刊、會(huì)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(kù)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(kù)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(kù)的。 本文旨在對(duì)跨語(yǔ)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(kù)作為一個(gè)研究的平臺(tái)，提出一種適用于專業(yè)數(shù)據(jù)庫(kù)的跨語(yǔ)言信息檢索模型

4、，并根據(jù)所研究的理論模型，建立跨語(yǔ)言檢索系統(tǒng)。系統(tǒng)基于機(jī)器人信息數(shù)據(jù)庫(kù)建立中英雙語(yǔ)語(yǔ)料庫(kù)，在前端建立雙語(yǔ)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(yǔ)語(yǔ)料庫(kù)。用戶的查詢通過(guò)字典、語(yǔ)料庫(kù)進(jìn)行翻譯，在TRS全文檢索系統(tǒng)的基礎(chǔ)上實(shí)現(xiàn)對(duì)機(jī)器人信息數(shù)據(jù)庫(kù)的跨語(yǔ)言信息檢索。 跨語(yǔ)言信息檢索的研究涉及到語(yǔ)言學(xué)、情報(bào)學(xué)、計(jì)算機(jī)科學(xué)等多門學(xué)科知識(shí)，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(duì)于如何在專業(yè)領(lǐng)域數(shù)據(jù)庫(kù)中構(gòu)建跨語(yǔ)言信息