檢視跨語檢索的原始碼

{| class="wikitable" style="float:right; margin: -10px 0px 10px 20px; text-align:left"
! <p style="background:	#D6A4AB; color: #000000; margin:auto; padding:5px 0; "> '''跨語檢索''' </p>
|-
|<center><img src="https://static.wixstatic.com/media/a637f2_de51ef6bdf5b47b4a46fa5668eb93272~mv2.png/v1/fill/w_560,h_236,al_c,q_85,usm_0.66_1.00_0.01/%E5%9C%964s%20(1).webp" width="280"></center><small>[https://www.iisr.csie.ncu.edu.tw/copy-of-11 圖片來自iisr]
</small> 
|}

'''跨語檢索'''，或稱「'''跨語資訊檢索'''」(Cross-Language Information Retrieval，CLIR)，其定義採用 Oard, D. W.在1997年發表的文章《Cross-Language Information Retrieval Defined》<ref>{{Cite web |url=http://www.glue.umd.edu/~dlrg/clir/mlir_definition.html |title=存档副本 |accessdate=2007-06-18 |archive-date=2005-03-18 |archive-url=https://web.archive.org/web/20050318035641/http://www.glue.umd.edu/%7Edlrg/clir/mlir_definition.html |dead-url=no }}</ref>。跨語檢索意指使用者使用某種[[自然語言]]的[[檢索詞彙]]檢索由另一種語言表達的文件。

舉例來說，使用者使用（自己熟悉的）中文產生一組檢索詞彙進行檢索，而其檢索結果皆以（使用者完全不懂或不熟悉）的日文，所撰寫的文件。

==起源與發展==
1969年，Salton,G.發表《Automatic processing of foreign language documents》文章。Salton 以智能[[文本信息检索]]系統當作實驗對象，智能檢索系統背後有多國語言[[語料庫]]的支援，藉由該系統，Salton 使用英文為主要檢索詞彙的語言，檢索德文的文件和資料，反之亦然。實驗結果發現，採用全自動文件處理方法(fully automatic text processing methods)的 SMART 文件檢索系統可以用相對簡單而有效率的方式，進行[[文獻]][[索引]]、[[分類]]、[[搜尋]]，和[[檢索]]等工作。這也是[[文獻]]中，第一次提到跨語檢索概念的文章，不過這篇文章尚未正式使用跨語檢索或[[跨語資訊檢索]]一詞。

1992年，美國國家標準和科技機構 (National Institute of Standards and Technology, 簡稱 NIST)和美國情報局先進研發活動 (Advanced Research and Development Activity center of the U.S. Department of Defense, 簡稱 DARDA ] 合作舉辦「文字檢索會議」(The Text REtrieval Conference, TREC<ref>{{Cite web |url=http://trec.nist.gov/ |title=存档副本 |accessdate=2007-06-19 |archive-date=2007-06-24 |archive-url=https://web.archive.org/web/20070624093459/http://trec.nist.gov/ |dead-url=no }}</ref>)，一開始是附屬於 TIPSTER Text program<ref>{{Cite web |url=http://www-nlpir.nist.gov/related_projects/tipster/ |title=存档副本 |accessdate=2007-06-19 |archive-date=2007-03-22 |archive-url=https://web.archive.org/web/20070322203836/http://www-nlpir.nist.gov/related_projects/tipster/ |dead-url=no }}</ref>底下的計畫，從1992年之後，每年都會舉辦一次TREC會議。TREC 會議成立目的是輔導與支援[[資訊檢索]]相關研究，提供[[標準測試集]]協助研究者進行測試等。

1996年，[[美國計算機協會]]（Association of Computing Machinery，ACM）在[[瑞士]]所舉辦的[[SIGIR]]-96會議中，首次出現以跨語檢索為研究主題的[[研討會]]，與跨語檢索相關的討論，可在這本會議論文集 《Proceedings of the 19th annual international ACM SIGIR conference on Research and development in information retrieval》找到。

1998年，召開第一次 NII Test Collection for IR Systems program 會議（NTCIR）<ref>{{Cite web |url=http://research.nii.ac.jp/ntcir/ |title=存档副本 |accessdate=2007-06-19 |archive-date=2007-07-01 |archive-url=https://web.archive.org/web/20070701134454/http://research.nii.ac.jp/ntcir/ |dead-url=no }}</ref>。NTCIR會議主要是由日本學術振興會(JSPS<ref>{{Cite web |url=http://www.jsps.go.jp/english/ |title=存档副本 |accessdate=2007-06-19 |archive-date=2008-10-11 |archive-url=https://web.archive.org/web/20081011095440/http://www.jsps.go.jp/english/ |dead-url=no }}</ref>)、日本國家科學資訊系統中心(NACSIS)，以及日本國立情報學研究所(NII) 共同合作舉辦。其目的是希望，在資訊檢索與自然語言檢索的研究領域中，能發展出以[[日文]]為主的[[標準測試集]]。至今，已發展出NTCIR1~6的[[文件集]]。

2000年，歐盟成立「[[跨語言資訊檢索論壇]]」（Cross Language Evaluation Forum，CLEF<ref>{{Cite web |url=http://www.clef-campaign.org/ |title=存档副本 |accessdate=2007-06-19 |archive-date=2007-06-23 |archive-url=https://web.archive.org/web/20070623121601/http://www.clef-campaign.org/ |dead-url=no }}</ref>） ，每年定期舉辦跨語檢索研討會，並且推動跨語檢索技術評比。目前有文字資訊檢索評比，或稱[[文本信息檢索]]（text retrieval）評比和跨語圖片資訊檢索評比，或稱跨語[[圖像檢索]](Cross-Language Image Retrieval] )項目，除了跨語檢索技術評比之外，尚包括發展以歐洲語系為主的[[單語資訊檢索系統]](monolingual information retrieval system)的基礎建設，包含測試 (testing)和評鑑(evaluating)等工作，該組織也包含在歐盟的[[數位圖書館]] (digital library)計畫中。

==特徵==
跨語檢索的特徵，根據[[陳信希]]教授在2002年的《跨語檢資訊檢索：理論、技術與應用》這篇文章指出，共具有六項特徵，將內容統整如下：

# 檢索詞彙的[[歧義性]](ambiguity)：[[翻譯]]檢索詞彙的過程，不只會遇到檢索詞彙一詞多義的情形，翻譯後的目標檢索詞彙(target query)的[[多義性]](polysemy)也是需要解決的問題之一。
# 檢索詞彙(query)和文件(document)分屬不同語言：其為跨語檢索最主要的特徵。檢索詞彙和文件間必須要有特定的對應關係，翻譯技術是建立其關係的重要運算之一。
# 檢索詞太短：跨語檢索者所輸入的檢索詞彙往往太簡短，因而造成翻譯和歧義性的困難度。
# [[語言識別]](language identification)困難：如果跨語檢索系統無法辨識該檢索詞彙是何種語言，如[[中文]]、[[英文]]、[[拉丁文]]和[[俄文]]等，就無法檢索出使用者所需要的資料。
# 斷詞和[[書寫]][[符號]]的問題：因為中文的詞與詞之間沒有明顯的分隔符號，因此會有[[斷詞]](segmentation)的問題。而俄文、[[西班牙文]]等語文，電腦沒有自動產生文字的功能，如當使用者欲於[[搜尋引擎]]或文件中，輸入俄文，必須利用其他的[[應用軟體]]，才能產生俄文，而不像英文或中文可直接從[[輸入法]]中選擇。
# 輸出結果的呈現(visualization)：包含檢索結果得到的多語言文件要如何合併，介面該如何呈現，才能使檢索者一目了然等問題。

==使用技術==
根據[[陳信希]]和[[陳光華]]的文章，目前跨語檢索相關技術，可分成三大類，分述如下：
* 翻譯檢索詞彙：此法視處理檢索詞彙的方式，又區分成兩種方法，一種是[[控制詞彙]]，另一種是[[自由詞彙]]。
:*控制詞彙：使用控制詞彙進行檢索時，由於為系統內定的詞彙，所以，雖然使得檢索的過程比較順利，可是能找到的資料有限。
:*自由詞彙：可分成三種策略，分別是[[知識庫]]策略、[[語料庫]]策略和混合式策略。
::*知識庫策略：一種是採用[[辭典]]的方法，另一種則是採用[[索引典]]策略的知識架構。
::*語料庫策略：此法比較複雜，包含了四種方法，分別是「詞彙對列方式」、「文句對列方式」、「文件對列」和「不採用對列方式」。
* 翻譯文件：此法可分成兩種，一種為文本的翻譯，另一種為[[特徵向量]]的翻譯。
* 不翻譯。

== 參考文獻 == 
{{reflist}}
[[Category: 020 圖書資訊學總論]]