超越資訊檢索的語言藩籬

大學圖書館 第二卷第一期（87.01）

超越資訊檢索的語言藩籬

Traverse Language Barriers of Information Retrieval

陳光華　Kuang-hua Chen

國立臺灣大學圖書館學系助理教授

Assistant Professor, Department of Library Science National Taiwan University

E-mail:khchen@steelman.ls.ntu.edu.tw 【摘　要】 　　資訊檢索研究的目的在解決人類對於資訊的需求，發展至今不斷地消除一道道的資訊藩籬。 隨著電腦網路的普及，網際網路快速地深入世界的每一個角落，普羅大眾對於「世界村」觀念感 同身受的同時，語言的藩籬變得具體而殘酷，使用者很難檢索「不同文」的文獻資料。本文說明 資訊檢索的語言藩籬，討論目前語言技術用於處理語言藩籬的可能方案，並且比較現有超越語言 藩籬的資訊檢索系統與傳統資訊檢索系統之間的系統績效。 【Abstract】

　　The purpose of research for information retrieval (IR) is to fulfill information need. IR has eradicated many information barriers from the very beginning. With the fast development of computer networks, the Internet has turned the world into a global village. But when the

Internet users try to locate documents in different language, the once implicit language barrier becomes real and crucial. This paper attempts to explore the language barrier underlying the process of information retrieval, the possible solutions of this barrier, and a comparison of the performance of cross-language information retrieval and monolingual information retrieval systems.

關鍵詞：資訊檢索；自然語言；跨語資訊檢索

Keywords: Information retrieval; Natural language; Cross-language information retrieval 　

　　圖書館一直扮演知識寶藏的角色，盡力地蒐羅圖書資料，而長久以來充實館藏也是圖書館重 要的政策。（註1）然而，若是讀者無法得知有哪些館藏是符合其需求，則再多的館藏對其而 言，仍然是沒有使用的價值。所以，圖書館一方面依據政策與文獻計量的原則擴充館藏或淘汰無 用館藏，另一方面必須發展圖書資料的組織與整理的方式，並使用某種有效的檢索方式協助讀者 取用資訊。 　　前述的組織與整理正展示於圖書館學發展過程中幾個重要的里程碑，如杜威分類法 （DDC）、美國國會分類法（LCC）、美國國會標題表（LCSH）、中文圖書標題表、機讀編目 格式（Machine Readable Catalog，簡稱MARC）、英美編目規則（AACR2），與衍生的中國機 讀編目格式（Chinese MARC）、中國編目規則等。不同的分類法、標題表以相異的切入角度描 述圖書資訊的主題編目（Subject Catalog），而編目規則規範如何進行圖書資訊的記述編目 （Descriptive Catalog）；而MARC則記錄著主題編目與記述編目的資料。 　　早期的讀者使用卡片目錄檢索圖書資料，透過著者卡、題名卡、標題卡提供不同的檢索點 （Access Point），滿足讀者各式各樣的資訊需求。圖書館學的學者專家很快地發現前述的方式 無法與圖書館其他的作業整合，造成許多重複的作業以及人力的浪費，同時卡片目錄越來越龐 大，也很難整理並維護，成本也太高；對讀者而言，使用卡片檢索圖書同樣也非常的不方便，必 須先決定要檢索著者、題名、抑或是標題，然後在相應的卡片櫃找尋描述所需圖書的卡片。為了 整合圖書館的作業流程並解決前述的問題，圖書館自動化系統便應運而生，使吾人超越了第一道 資訊檢索的藩籬。 　　採用自動化系統的圖書館，讀者或是使用者只要坐在終端機之前，透過電腦檢索系統，依照 各種不同的檢索需求，使用系統提供的檢索點，不必遊走於各個卡片櫃，就能夠瞭解圖書館典藏 的圖書是否符合其資訊需求。館員也能夠透過自動化系統，使圖書館的流通作業、編目作業、採 訪作業更有效率，提昇整體的服務品質。然而第二道藩籬卻依然豎立於前方等待吾人克服。 　　當讀者有某種資訊需求時，必須前往圖書館，然後透過檢索系統檢索館藏是否能滿足其需 求。然而，當其到達圖書館使用檢索系統後，才發現該館並沒有收藏其所需要的圖書，造成讀者 白跑一趟，浪費寶貴的時間與精力，此時橫亙在前的是實際距離的藩籬。當電腦網路出現後，基 本上提供吾人消除距離造成的資訊藩籬的工具。讀者可以在家裡或是任何有網路連線的地方檢索 圖書資料，並且可以線上預約。更重要的是，透過電腦網路讀者可以翻山越嶺、飄洋過海，檢索 全世界的圖書館或資料中心。從讀者或是使用者的觀點而言，網路世界的圖書館好似一個龐大的 聯合圖書館，能夠檢索所有現存的線上圖書資料，有效擴展吾人的視野。然而，這時讀者赫然發 現另一道藩籬又出現了，這是當吾人放眼全球時，必然會面對的藩籬--語言的藩籬。 　　這道藩籬事實上早已存在，只是以往並不明顯，因為圖書館外文圖書的使用者通常為較高級 的知識份子，他們在使用這一類圖書時並沒有困難。但是隨著電腦網路逐漸地全民化、商業化， 解決這道藩籬的需求越來越急迫，這也是目前全球各地的圖書館學、資訊科學、電腦科學各相關 領域的學者專家投入大量研究經費與人力，從事這項重要研究課題的原因。（註2） 　　本文主要討論的是如何消除第三道藩籬，亦即是語言的藩籬，筆者將說明語言藩籬的屬性， 解決方案的初步架構，之後並詳細地討論各種策略的作法與其優缺點。最後則是簡要的結語。

　

貳、跨語資訊檢索

　　跨語資訊檢索（Cross-Language Information Retrieval, Translingual Information

Retrieval，簡稱CLIR或TIR，註3） 研究的目的即在消除因語言的差異而導致資訊取得的困難。

至於何謂跨語資訊檢索，有學者以"select information in one language based on queries in

another"作為CLIR的定義，翻成中文則為：「使用不同於書面語的查詢語言進行資訊的檢索」。 希望設定明確的界線，便於學者專家的討論。（註4） 　　既然牽涉兩種以上的語言，並且限定是以不同的查詢語言檢索圖書資料，因此查詢與圖書資 料兩者之一必須進行翻譯，如此查詢問句與圖書資料就屬於同一種語言，之後的處理方式和單語 資訊檢索相同。依據前述的作法，吾人可以消除檢索時語言的藩籬，然而使用者閱讀檢索所得之 圖書資料時的語言藩籬仍然存在，如果要完全消除語言的藩籬，顯然還是必須引入機器翻譯系 統，將檢索所得的圖書資料翻譯為使用者或讀者所能閱讀的語言。 　　機器翻譯是極具挑戰的研究領域，對於一般人而言，要真正理解一段文字事實上就不是簡單 的工作，遑論使用機器進行翻譯。因為這牽涉到字（Character）、詞（Word）、語法 （Syntax）、語義（Semantics）、語用（Pragmatics）等層次的知識。例如如何處理未知詞、 介詞組的修飾對象為何，多義詞彙的詞義如何決定，照應詞如何處理等等。基本上，幾乎所有自 然語言的現象都得到一個妥善的解決方案時，才能夠建構一套優秀的機器翻譯系統。（註5）日 本政府也曾經詳細評估，以目前日本的科技水準與發展的情形，約在2020年才可能有一套商業運 轉且績效良好的日英機器翻譯系統。然而如果跨語資訊檢索系統是使用於特定的領域，則使用機 器翻譯系統會有比較好的成效，這是因為特定領域的自然語言趨於一定的使用方式，比較容易處 理。 　　另一個觀點是將機器翻譯當作輔助的工具，一旦檢索所得的圖書資料翻譯為使用者熟悉的語 言之後，即使翻譯品質不佳，使用者仍然可以判斷圖書資料的相關性，如果有必要再進一步仔細 閱讀圖書資料，或是請人潤飾譯稿。這一類的應用以目前全球資訊網（World Wide Web，簡稱 WWW）的文件檢索最為風行，台灣大學資訊工程學研究所自然語言處理實驗室目前也提供這項 服務。（註6） 　　一般而言，跨語資訊檢索面臨的問題如下所示： ● 必須翻譯使用者下達的查詢或是檢索的文獻。 ● 查詢的問句通常都很短，以美國的研究為例，通常少於2個詞，不會超過4個詞（註7）。 因此很難判定詞義。 ● 查詢問句中的詞彙通常都有歧義性（Ambiguity）。 ● 查詢問句可能必須先分詞（Segmentation），如中文、日文、泰文等等。 ● 檢索的文獻可能使用不同的語言，必須先辨識語言（Language Identification）。

　　目前用於處理跨語資訊檢索的相關技術可以分門別類如圖一所示，主要可分為翻譯查詢問句 與翻譯文件兩類，至於不翻譯的情形不屬於本文討論的範圍。 圖一、跨語資訊檢索的相關技術 （註8） 　　翻譯文件的作法所需的處理時間隨文件的不同而有極大的差異，而且計算量過於龐大，極少 有系統採用這種作法。比較實際而且主流的作法是遵循「翻譯查詢問句」（Query Translation） 的研究路線。在翻譯查詢問句的範疇之下，目前可能的策略有：知識庫的策略、語料庫的策略、 以及混合知識庫與語料庫式的策略。 本文以下的數節將依據圖一說明目前跨語資訊檢索的研究狀況，主要描述辭典為本（Dictionary-Based）、索引典為本（Thesaurus-Based）、以及語料庫為本（Corpus-Based）的策略，討論 使用的技術及其優缺點，並且提供現有跨語資訊檢索系統績效的數據，供有興趣的讀者參考。 （註9） 　

參、辭典為本的策略

　　初期的跨語資訊檢索研究多數採用辭典為本的策略，因為這是最直接了當的作法（Naive Approach），任何人都想得到，其作法是利用一部雙語機讀辭典（Bilingual Machine Readable Dictionary）將使用者下達的S語言查詢詞彙轉換為T語言詞彙。然而，這種作法有幾個問題必須 處理：第一是如何處理詞彙的歧義性（Ambiguity）；第二是如何處理未知詞（Unknown Words）。

一、 詞彙的歧義性

　　詞彙通常都有歧義性，如英文的Bank有銀行的意思，也有河岸的意思，到底是什麼意思則必 須由前後文決定。初期的跨語資訊檢索研究都沒有真正地處理這個問題，主要的因素是處理時間 過長，影響使用者檢索的意願。因此替代的作法有如下幾種： ● 選擇排列第一的意義（Select First） 採用這種作法的學者認為辭典中詞彙的第一個意義通常是最常用的，因而直接取用第一個 意義。 ● 選擇所有的意義（Select All） 因為無法判斷到底意義為何，所以所有的意義都視為詞彙的意義。因而查詢問句中每一個 S詞彙可能被數個T詞彙取代，轉換後的查詢問句相對地變得很大。 ● 任選N個意義（Select N Randomly） 因為選擇所有可能的意義造成轉換後的查詢問句變得太大，修正的作法是任選N個意義以 控制查詢問句的任意膨脹。 ● 選擇最佳N個意義（Select Best N） 採用任意選擇的方式並不具有說服力，因而部份學者利用語料庫計算詞彙不同意義出現的 頻率，然後選擇頻率最高的N個。這種作法使用了語料庫，也可視為混合式的作法，然而 最終的意義是由辭典取得，因此本文將其列為辭典為本的策略。 　　採用辭典為本策略的跨語資訊檢索系統，其檢索成果的精確率（Precision）大約為原來單語 資訊檢索系統的40-60%。如Hull與Grefenstette在1996年的實驗採用Select All的策略，結果顯示 由0.393降為0.235（註10）；Davis在1996年的實驗也是採用Select All的策略，實驗的結果顯示 精確率由0.290降為0.142（註11）；Ballesteros與Croft於1996年的實驗採用Select N Randomly的 策略，平均精確率降低50-60%（註12）；Davis另外也做了Select N Best的實驗，由0.290降低為 0.195。（註13）辭典為本的作法，最大的問題在於無法有效處理詞組（Phrase Terms），導致 檢索的精確率偏低，Ballesteros與Croft在1997年針對詞組對於跨語資訊檢索的影響作了評估，其 實驗結果顯示：如果詞組能夠正確地翻譯，可以有效提昇檢索的精確率達150.3%；若無法正確地

翻譯則會降低檢索的精確率達39.3%。（註14）因而，有效而正確地轉換詞組將是跨語資訊檢索 重要的研究課題。

二、 未知詞的處理

　　未知詞一直是自然語言處理的大問題，由於辭典為本的策略是以系統的辭典做為詞彙判斷的 依據，因此所謂的未知詞可分為幾種情形： ● 詞彙正確但辭典並未收錄 因為辭典不可能完全收錄所有的詞彙，而且隨著時間的推演，新的詞彙不斷的出現，所以 未知詞情形也不可能完全消除。 ● 專有名詞（人名、地名、機構名） 人名、地名等專有名詞也是一直困擾著資訊檢索與自然語言處理的學者專家，這些專有名 詞不可能全然收錄，所以如何利用語境判斷詞彙的意義就成為重要的研究課題。訊息理解 會議（Message Understanding Conference，簡稱MUC）也知道專有名詞的重要性，因而

歷年的會議都將資訊檢索系統辨識專有名詞的正確率作為評估系統的一項依據。（註15） ● 詞彙錯誤 如果全然是拼字錯誤或用詞錯誤是無法檢索所需的圖書資料。但是，事實上使用者仍然希 望能夠檢索出相關的文件，因此模糊處理（Fuzzy Processing）也就成為這類系統必須採 用的處理技術。在這種情形之下，檢索系統必須判斷是否是詞彙錯誤還是未知詞，如果是 詞彙錯誤可以使用最近似的正確詞彙取代原來的詞彙，然後再進行檢索。 　

肆、索引典為本的策略

　　以目前實際運作的跨語資訊系統而言，多數是使用索引典為本的作法，（註16）索引典提供 控制詞彙用以索引文獻資料，不同語言的文獻資料使用各自的索引典，而各索引典之間有對映的 關係，透過這種對映關係實現跨語資訊檢索，參見圖二。採用索引典的最大難題是，為文獻資料 設定索引詞彙需要大量的人力與時間，且建構一部高品質的索引典不是一件容易的事；此外，不 同語言索引典之間的對映並非直接了當。索引典可視為組織知識的階層架構，歐洲共同體資助的 EuroWordNet（EWN）計畫（註17），目的就希望發展多語言（義大利語、荷蘭語、西班牙 與、英語）的概念知識庫，吾人亦可將之視為多語索引典。 　　從使用者的角度而言，採用索引典索引文獻資料有另一個難題。索引典內的詞彙通常稱之為 控制詞彙（Controlled Vocabulary），使用者一般並不知道何者是控制詞彙，造成無法有效檢索

文獻資料。因此，還必須輔以檢索詞彙與索引詞彙的轉換介面，從而解決上述的問題。 　　Salton曾做過跨語資訊檢索的實驗，結論是只要仔細地建構雙語索引典，跨語資訊檢索系統 能夠達到單語資訊檢索系統的系統績效。（註18）雖然「典型在夙昔」，然而目前網際網路發展 的情況畢竟不同於當時Salton做實驗時的環境，期望跨語資訊檢索系統能夠擁有單語資訊檢索系 統的成效，必須投入更多的研究心力，還有很長的一段路要走。 圖二、索引典架構之跨語資訊檢索 　

伍、語料庫為本的策略

　　基本上，語料庫為本的技術是希望由大量的語言素材抽取語言知識，而跨語資訊檢索需要的 語言知識正如其表面文字所描述的，必須透過兩種以上的語言素材，運用知識擷取的技術，取得 跨語資訊檢索系統的跨語言的知識，如詞彙的對照、專有名詞的對譯、詞組的轉換，甚而詞彙的 重排。由於系統建構者運用的技術不同，造成所需知識的層次（Granularity）亦有所不同，可以 分為詞彙（Word）、詞組（Phrase）、句子（Sentence）、文件（Document）等層次。以下分 別說明各個層次必須處理的問題。 　　詞彙層次的處理亦即是希望建構跨語詞彙對照表，並且進一步統計詞彙對照的機率。複雜的 系統甚至考慮語境（Context）的參數，能夠更加精確地轉換詞彙。基本的作法說明如下，蒐集 大量的雙語語料（其中一種語言稱之為S語言，另一語言稱之為T語言），並且對列（Align）雙 語語料的句子（亦即S語言的句子與T語言的句子一一對應），接著採用統計技術，計算S語言詞 彙與T語言詞彙的對應關係。圖三說明詞彙對照的產生方式，以及如何運用於跨語資訊檢索系 統。

圖三、詞彙層次的跨語資訊檢索系統 　 　　這一類系統採用的統計模型有許多種不同的作法，以下筆者將說明一種最基本的作法。以S 以及T分別代表兩種不同的語言，SS與TS則分別代表雙語語料不同語言的句子，SW與TW代表 不同語言的詞彙。假設雙語語料庫已經在句子層次對列完成，因此SS₁對應TS₁、SS ２對應TS ２、SSi對應TSi、...、SSn對應TSn。若SSi句子包含詞彙SWi1、SWi2、...、SWij、...、SWim，而 且TS_i句子則包含TW_i1、TW i2、...、TWik、...、TWil。基於該兩個句子對列的事實，可以認為 這兩個句子中的詞彙應具有對譯的情形，然而目前卻不知道哪些詞彙是互相對譯的。吾人可假設 SSi的詞彙與TSi的詞彙都可能對譯，亦即SW_i1與TW_i1、TW_i2、...、TW_ik、...、TW_il都具有對譯 的情形，可以記錄為（SW_i1, TW_i1），（SW_i1, TW_i2），...，（SW_i1, TW_i1），也就是共同出現 過一次，對於SW_i2、...、SW_ij、...、SW_im也做同樣的處理。如果雙語語料的數量夠大的話，吾人 有理由相信，經過上述的處理，真正對譯的詞彙，其（SW_ij, TW_ik）出現的次數一定最大，可以

採用共容資訊（Mutual Information，簡稱MI）計算詞彙對譯的強度。（註19）MI的數學式如下

所示： 　　　　　　　　　P(SW,TW) MI(SW,TW) = log─────── 　　　　　　　　P(SW)xP(TW) 共容資訊的意義是，當SW與TW經常一起在語料庫出現，聯合機率P(SW,TW)會甚大於P(SW)xP (TW)，因此MI(SW,TW)會甚大於0；當SW與TW出現的方式是背道而馳時，MI(SW,TW)會甚小

於0；當彼此沒有什麼關係時（以機率論的術語而言，也就是互相獨立），因此 _{P(SW,TW)～ P} (SW)xP(TW)，所以MI(SW,TW)接近於0。 　　　　　　　～ 　　經過上述的計算方式，當共容資訊甚大於0，可得知該二詞彙對譯的可能性極大，吾人可據 以建構一張詞彙對照表。當使用者下達S語言的查詢問句時，系統可以參考詞彙對照表，將S語言 的詞彙轉換為T語言的詞彙，然後再依照傳統資訊檢索系統的作法進行資訊檢索的工作。 　　詞組層次的處理和詞彙層次大致相同，但是在進行跨語對列處理之前，單一語言必須先行各 自處理詞組的辨識（Phrase Identification）或是複合詞的辨識（Compound Identification），然 後將詞組與複合詞視為一般的詞彙，進行詞彙的對列。當然也可以直接進行詞組的對列，然而計 算的複雜度相對變高，使得詞組的對列困難許多。在此筆者將簡要說明如何辨識詞組或是複合 詞。 　　所謂的複合詞是指連續的詞彙組合而成，雖然詞組可能由分隔的詞彙組成，但是筆者在這裡 不討論這種情形，因此可以將複合詞與詞組一併討論。屬於複合詞的詞彙一起出現於語料的情形 一定比隨機出現的機率大很多，基於這個假設，吾人可以由大量的語料庫觀察或計算連續的詞彙 組合一起出現的頻率，然後根據統計值判定這種一起出現的現象是否是出於隨機，如果不是，可 以相信它們是複合詞或是詞組。這種作法以Smadja於1990年提出的N-Gram的研究方法最著名 （註20），國內的學者專家也曾採用類似的方法建構複合詞辭典。（註21） 　　至於實際採用語料庫為本的跨語資訊檢索系統有Dumais於1997年提出以跨語隱含語意索引

（Cross-Language Latent Semantic Indexing，簡稱CL-LSI）的策略建構跨語資訊檢索系統（註

22），Oard則是於1996年提出建構於詞彙對列的跨語資訊檢索系統。（註23）前者提出的系統有

一個非常特別的優勢，亦即使用LSI的單語檢索系統與使用CL-LSI的跨語檢索系統，兩者的系統 績效相差無幾。而後者的跨語系統仍然比單語系統差（大約降低50%），Oard計畫未來使用涵蓋 面比較廣的雙語辭典配合語料庫改進跨語檢索的精確率與回現率。

　　前述所提語料庫為本的策略都需要大量的相互對譯的雙語語料庫，亦即所謂的「平行對列語 料庫」（Parallel Aligned Corpus），然而事實上大量的平行對列語料庫並不多，為了解決這個 問題，有些學者專家提出以「比較對列語料庫」（Comparable Aligned Corpus）替代平行對列語 料庫。所謂的比較對列語料庫，指的是雙語語料並非相互對譯，僅僅是類似的雙語語料，或許是 討論相同的主題，或許是屬於同一類型的語料。事實上，吾人可將比較對列語料庫視為是由兩個 性質相似的單語語料庫構成，因而能夠比較容易蒐集大量的語料，從而取得所需的雙語知識。 Sheridan與Ballerini於1996年使用比較對列語料庫建構索引典，然後利用索引典做為詞彙轉換的 依據，實驗結果顯示跨語資訊檢索的平均精確率比之單語資訊檢索降低54%。（註24） 　

陸、結論

　　試圖跨越語言障礙的研究並非始於資訊檢索，發其軔者應為機器翻譯。機器翻譯的研究幾乎 與電腦的發明同時展開，其目的不外乎希望能夠聯繫兩種不同的語言，超越無形的語言、文化的 藩籬。早期資訊檢索的研究一直侷限在同一種語言文字的範疇內，因此只需要考慮查詢問句與圖 書資料內容如何匹配的問題。但是，網際網路的無遠弗屆卻將這個範疇擴大為全球，跨越語言的 資訊檢索很自然地成為不可或缺的資訊服務。 　　檢視目前的跨語資訊檢索系統，多數使用索引典為本、辭典為本、以及語料庫為本的技術， 本文亦詳細討論這三種技術的發展現況，表一摘錄不同策略的跨語資訊檢索系統其系統績效的降 低幅度。 表一、跨語資訊檢索系統之系統績效 技術分類 系統設計者 相較單語檢索系統績 效的降低幅度

辭典文本 Hull and Grefenstette (1996): Select All 51.0%

Davis (1996): Select All 49.1%

Davis (1996): Select N Best 32.8%

索引典為本 Salton (1970) 相近（註25） 語料庫為本 Oard (1996): Word-Aligned 50% 　　吾人可以發現其系統績效普遍比單語資訊檢索系統降低50-60%，這顯示跨語資訊檢索還有很 多的發展空間。正因為如此，有識之士認為知識的來源不僅一種，完成一項工作的方法也不只一 個，每一種知識來源、每一個方法都有其優勢與弱點，因而最新的發展趨勢是結合各種技術，研 發混合式的跨語資訊檢索系統。 　　筆者認為隨著時間的遞移，資訊交流的方式與資訊科技的結合只會更加地緊密，以全球為範 疇的資訊流動會更加地頻繁，超越語言藩籬的資訊需求會越來越緊迫，跨語資訊檢索的服務將會 是解決這項需求的一個重要關鍵技術。 　 註釋 註 1：圖書一詞的來源可以追溯到「河圖洛書」，傳統的圖書泛指所有提供資訊 　　　的載體，包括所謂的紙本資料、非書資料等等。在這個意義之下，資訊與 　　　資訊載體是合而為一的，因為載體僅能使用一次。然而，在廣泛使用電腦 　　　科技的環境中，資訊的載體可以重複使用，此時的資訊成為獨立的個體， 　　　不再依存於資訊的載體，因而，筆者在本文使用「圖書資料」或「圖書」 　　　一詞時，實際指的是資訊本身，而不論資訊載體的形式。

註 2：Salton於1970年就曾經做過類似的研究。而這幾年的資訊檢索研究很明顯 　　　展示了這個趨勢，例如 1997 年美國人工智慧學會（The American

　　　Association for Artificial Intelligent，簡稱AAAI）舉辦了AAAI 　　　Spring Symposium on Cross-Language Text and Speech Retrieval； 　　　而由計算機學會舉辦的資訊檢索領域的重要會議SIGIR有關跨語資訊 　　　檢索的論文也越來越多；至於評鑑資訊檢索系統的會議（Text Retrieval 　　　Conference，簡稱TREC）也於1996年開辦跨語資訊檢索系統的評鑑工作。 註 3：一個研究領域的形成通常經過時間的醞釀，跨語資訊檢索的研究歷經同樣 　　　的過程。由於研究者會為這樣的研究設定一個專有名詞作為討論的依據， 　　　而且不同的地區可能會訂定不同的專有名詞，對於跨語資訊檢索的研究而 　　　言，ACM SIGIR96 Workshop on Cross-Linguistic Information Retrieval 　　　訂定的術語為"Cross-Language Information"，而Defense Advanced

　　　Research Project Agency（簡稱DARPA）則為"Translingual Information 　　　Retrieval"。本文採用的術語是"Cross-Language Information Retrieval" 　　　（CLIR），中文為「跨語資訊檢索」。 註 4：為了便於討論的進行，本文在討論到多種語言時，使用的詞彙是「雙語」 　　　（Bilingual）而不是「多語」（Multilingual），然而並不代表僅限於 　　　兩種語言的情形，而且稱使用者使用的語言為S語言，另一語言則稱為 T 　　　語言；若很明顯地討論跨越兩種以上語言的處理現象時，則使用「跨語」 　　　（Cross-language），例如，在說明資訊檢索系統使用「跨語資訊檢索系 　　　統」，以反應使用者可以經由這一類的資訊檢索系統，查檢不同語言的文 　　　獻資料。因而，吾人可以說「雙語」指的是靜態地描述物件（Object）的 　　　現象；而「跨語」則是動態地說明如何處理或連結兩種以上不同語言的物件， 　　　可能是使用者下達的查詢問句（Query），也可能是資訊系統內收藏的文獻 　　　資料（Document-like Object）。 註 5：陳光華，「語彙知識之擷取與混合式機器翻譯系統之研究」（博士論文， 　　　國立台灣大學資訊工程學研究所，民國85年）。

註 6：參考文獻請見Guo-Wei Bian and Hsin-Hsi Chen, "An MT Meta-Server 　　　for Information Retrieval on WWW," in Proceedings of AAAI-97 　　　Spring Symposium Series on Natural Language Processing for the 　　　World Wide Web, (1997): 10-16.

　　　線上輔助翻譯服務請連線http://nlg3.csie.ntu.edu.tw/mtir.html。

註 7：Larry Fitzpatrick and Mei Dent, "Automatic Feedback Using Past 　　　Queries: Social Searching?" in Proceedings of the 20th Annual

　　　International ACM SIGIR Conference on Research and Development 　　　in Information Retrieval, (1996): 306-313.

註 8：本圖引用台灣大學資訊工程學系陳信希教授於民國86年6月2日發表的演講 　　　稿。陳信希。「跨語資訊檢索」。電子辭典、機器翻譯與資訊擷取研討會， 　　　（民國86年6月2日）。

註 9：本文不探討因語言編碼不同造成的檢索藩籬。如中文資料就有BIG5碼、 　　　CCCII碼、EUC碼、GB碼等等。

註10：David A. Hull and Gregory Grefenstette, "Experiments in Multi- 　　　lingual Information Retrieval," in Proceedings of the 19th Annual 　　　International ACM SIGIR Conference on Research and Development 　　　in Information Retrieval, (1996).

註11：Mark Davis, "New Experiments in Cross-Language Text Retrieval at 　　　NMSU's Computing Research Lab.," The Fifth Text Retrieval Conference 　　　(TREC-5), (1996).

註12：Lisa Balleseros and W. Bruce Croft, "Dictionary Methods for 　　　Cross-Lingual Information Retrieval," In Proceedings of the 7th 　　　International DEXA Conference on Database and Expert Systems, 　　　(1996): 791-801.

註13：同註12。

註14：Lisa Ballesteros and W. Bruce Croft, "Phrasal Translation and 　　　Query Expansion Techniques for Cross-Language Information

　　　Retrieval," in Proceedings of AAAI Spring Symposium on Cross-Language 　　　Text and Speech Retrieval, March 1997,

　　　<http://www.ee.umd.edu/medlab/filter/sss/ papers> (1 June, 1997).

註15：訊息理解會議每年針對不同的主題評估參與比賽的系統，以1997年為例， 　　　設定三種比賽項目，分別是專有名詞的辨識、照應詞的解析、以及腳本樣 　　　版資訊的擷取。

註16：Carol Peters, "Across Languages, Across Cultures," D-Lib Magazine, 　　　May 1997,

　　<http://www.dlib.org/dlib/ may97/peters/05peters.htm> (29 May, 1997). 註17：Julio Gilarranz, Julio Gonzalo and Felisa Verdejo, "An Approach 　　　to Conceptual Text Retrieval Using the EuroWordNet Multilingual 　　　Semantic Database," in Proceedings of AAAI-97 Spring Symposium 　　　Series on Cross-Language Text and Speech Retrieval,(1997): 51-57.

註18：Gerard Salton, "Automatic Processing of Foreign Language 　　　Documents," Journal of the American Society for Information 　　　Science, 21 (1970): 187-194.

註19：Kenneth Church and P. Hanks, "Word Association Norms, Mutual 　　　Information, and Lexicography," Computational Linguistics, 16:1 　　　(1990): 22-29.

註20：Frank Smadja and Kathleen McKeown, "Automatically Extracting 　　　and Representing Collocations for Language Generation," in

　　　Proceedings of the 28th Annual Meeting of the Association for 　　　Computational Linguistics, (1990): 252-259.

註21：中央研究院資訊科學研究所以及台灣大學資訊工程學研究所自然語言處 　　　理實驗室都有類似的研究。

註22：S.T. Dumais et al., "Automatic Cross-Language Retrieval Using 　　　Latent Semantic Indexing," Proceedings of AAAI-97 Spring

　　　Symposium Series on Cross-Language Text and Speech Retrieval, 　　　(1997): 18-24.

註23：Douglas Oard, "Adaptive Vector Space Text Filtering for Mono- 　　　lingual and Cross-Language Applications" (Ph.D. diss., University 　　　of Maryland, College Park, 1996).

註24：P. Sheridan and J.P. Ballerini, "Experiments in Multilingual

　　　Information Retrieval Using the SPIDER System," in Proceedings 　　　of the 19th ACM SIGIR Conference, (1996): 58-65.