跨語言信息檢索中關鍵技術的研究.pdf

1、隨著互聯(lián)網(wǎng)的飛速發(fā)展，網(wǎng)絡信息量和網(wǎng)絡信息用戶的數(shù)量也在急劇膨脹，網(wǎng)絡已經(jīng)成為人們重要的信息來源。然而，語言的多樣性導致使用一種語言的用戶在獲取其它語言的信息時會碰到困難，跨語言信息檢索就是為解決這一困難而提出來的一種信息檢索方法，其中的關鍵技術主要有：查詢翻譯和消歧、查詢擴展、檢索模型和文檔的重排序。本文圍繞跨語言信息檢索中的幾項關鍵技術展開研究，主要工作包含以下幾個部分：
　　 1．提出一種多語言文檔混合重排序的方法。文檔排

2、序是跨語言信息檢索中重要的一環(huán)，目標是把與查詢相關度大的文檔放到返回結果的前列以方便用戶閱讀。本文提出了一種融合多種特征的文檔排序方法，并把它擴展到了跨語言領域，同時對多種語言的文檔進行綜合排序，試圖把多語種的相關文檔排列到返回列表的前端。實驗表明，該排序方法對單語和多語的文檔排序結果都能提高搜索引擎的前端結果的查準率。
　　 2．提出一種針對人名檢索的兩步排序方法來對文檔進行重排。人名檢索在網(wǎng)絡信息檢索中占有大比重，且與一般的

3、檢索相比有自己的一些特點，所以有必要對其進行有區(qū)別的處理。本文對跨語言信息檢索中的人名檢索進行了單獨研究，針對人名檢索的特點提出了一種兩步排序方法來對檢索結果進行重排序。兩步排序法的第一步需要對原始文檔集進行聚類，聚類的方法采用層次聚類，聚類的特征為文檔中固定窗口內(nèi)人名附近的名詞、文檔的熱點詞、文檔中的其它人名與地名，然后再對聚好的類進行排序；兩步排序法的第二步是在類的內(nèi)部對文檔進行排序，按照文檔的初始順序進行排序。兩步排序法還考慮了同