第5章　基于粗糙集的情報(bào)檢索語(yǔ)言轉(zhuǎn)換

近年來(lái),國(guó)外一些大型研究項(xiàng)目開(kāi)始研究檢索語(yǔ)言（包括本體）的自動(dòng)兼容轉(zhuǎn)換方法,比如MACS（Multilingual Access to Subjects）和CARMEN（Content Analysis,Retrieval and MetaData：Effective Networking）。Krause將人工創(chuàng)建的不對(duì)稱(chēng)雙向語(yǔ)義匹配稱(chēng)作“交叉轉(zhuǎn)換”（Cross-concordance）?！敖徊孓D(zhuǎn)換”不僅需要索引專(zhuān)家和相關(guān)學(xué)科領(lǐng)域?qū)＜业墓餐瑓⑴c,而且需要花費(fèi)大量的時(shí)間。如果文獻(xiàn)數(shù)據(jù)庫(kù)采用的不是受控語(yǔ)言標(biāo)引,而是自然語(yǔ)言標(biāo)引（如關(guān)鍵詞）,那么“交叉轉(zhuǎn)換”的創(chuàng)建就非常困難。因此,人們開(kāi)始研究更有效的、能夠?qū)崿F(xiàn)檢索語(yǔ)言兼容轉(zhuǎn)換的自動(dòng)方法^［1］。

如果有足夠的文獻(xiàn)已經(jīng)同時(shí)用多種檢索語(yǔ)言標(biāo)引,即存在一定規(guī)模的并行文獻(xiàn)數(shù)據(jù)庫(kù),那么不同檢索語(yǔ)言的概念轉(zhuǎn)換關(guān)系就可以自動(dòng)近似地度量^［2］。一些基于統(tǒng)計(jì)的相似度度量方法和人工智能算法已經(jīng)用于創(chuàng)建不同檢索語(yǔ)言概念之間的兼容轉(zhuǎn)換關(guān)系。例如,CARMEN和ViBSoz應(yīng)用條件概率建立了兩種敘詞表的概念雙向轉(zhuǎn)換關(guān)系,應(yīng)用神經(jīng)網(wǎng)絡(luò)建立敘詞表和關(guān)鍵詞之間的轉(zhuǎn)換關(guān)系^［1］。Goetz用最大似然法建立了LCSH標(biāo)題和DDC分類(lèi)號(hào)之間的匹配關(guān)系^［3］。研究表明,基于統(tǒng)計(jì)的方法不僅操作簡(jiǎn)單、需要資源少,而且非常有效,可以補(bǔ)充甚至替代“交叉轉(zhuǎn)換”^［4］。