基于潜在语义对偶空间的跨语言信息检索理论和算法研究

项目名称： 基于潜在语义对偶空间的跨语言信息检索理论和算法研究

项目编号： No.60963014

项目类型： 地区科学基金项目

立项/批准年度： 2010

项目学科： 轻工业、手工业

项目作者： 王明文

作者单位： 江西师范大学

项目金额： 22万元

中文摘要： 因特网资源的多语言性和用户对母语和非母语熟悉程度的差异性，使跨语言信息检索成为研究热点。在跨语言的信息检索和分类中，存在多词一义和一词多义、翻译歧义和数据高维性等问题。在检索模型中表现为特征的多重相关，进而影响模型检索性能；在分类模型中表现为自变量间的多重相关性、数据高维性，将影响文本分类性能。如何有效消除这些影响，成为提高跨语言的检索和分类性能的关键。本课题拟应用典型相关分析、偏最小二乘等统计理论研究新的模型，将多语言文档看成从不同侧面描述同一对象形成的不同视图，综合考虑语言的语义特性，通过构造潜在语义对偶空间，建立词的语义关系、文档的语义关系及其结构关系和双语间的语义对应关系；在该统一框架下研究基于潜在语义对偶空间的跨语言的检索模型、文本分类/聚类模型和维数约简方法；进一步研究基于潜在语义对偶空间的多语言信息检索模型，并在理论上证明和实验上验证新模型和方法的有效性。

中文关键词： 跨语言信息检索；跨语言文本分类；潜在语义对偶空间；维数约简；

英文摘要：

英文关键词： Cross-language IR；Cross-language TC；Latent Semantic Dual Space；Dimension Reduction；