[论文解读] Cross-concordances: terminology mapping and its effectiveness for information retrieval

Philipp Mayr, Vivien Petras|ArXiv.org|Jun 23, 2008

linguistics and terminology studies参考文献 17被引用 4

一句话总结

本文介绍了一项大规模术语映射计划，创建了64个跨学科受控词汇表之间的对照索引，涉及超过50万条术语关系。该研究评估了这些映射在信息检索中的有效性，表明在搜索系统中使用跨对照索引可显著提高查全率和查准率，尤其在跨领域查询中效果显著。

ABSTRACT

The German Federal Ministry for Education and Research funded a major terminology mapping initiative, which found its conclusion in 2007. The task of this terminology mapping initiative was to organize, create and manage 'cross-concordances' between controlled vocabularies (thesauri, classification systems, subject heading lists) centred around the social sciences but quickly extending to other subject areas. 64 crosswalks with more than 500,000 relations were established. In the final phase of the project, a major evaluation effort to test and measure the effectiveness of the vocabulary mappings in an information system environment was conducted. The paper reports on the cross-concordance work and evaluation results.

研究动机与目标

• 开发并评估一个大规模术语映射系统，用于连接社会科学及其他领域中的受控词汇表。
• 评估跨对照索引在真实世界搜索环境中对信息检索效果的影响。
• 建立一个标准化、可重用的术语映射框架，以支持不同主题词表和分类系统之间的互操作性。
• 衡量在多语言和多学科背景下，通过跨词汇表映射所实现的检索性能提升。

提出的方法

• 通过在64个受控词汇表（包括主题标目、分类体系和叙词表）之间对齐术语，创建了64个跨对照索引。
• 映射通过专家校对与自动化对齐技术相结合完成，重点聚焦于语义等价性和层级关系。
• 评估使用了来自社会科学领域的查询与文档测试集，通过跨对照索引在不同词汇表之间扩展查询术语。
• 使用标准信息检索指标（精确率、查全率和F1值）衡量检索效果，对比基线与映射后查询结果的表现。
• 在真实的信息检索环境中测试系统，以评估其实际影响与可扩展性。

实验结果

研究问题

• RQ1 跨对照索引在跨领域信息检索任务中能在多大程度上提升查全率？
• RQ2 在使用不同受控词汇表中的术语检索文献时，术语映射如何影响查准率？
• RQ3 将异构叙词表进行映射对真实系统中整体检索性能有何影响？
• RQ4 大规模术语映射能否有效弥合特定学科词汇表之间的语义鸿沟？

主要发现

• 使用跨对照索引显著提升了查全率，尤其在涉及多个学科领域的查询中效果明显。
• 查准率得以保持或略有提升，表明映射未引入显著噪声或无关结果。
• 在使用映射术语时，跨领域查询的检索效果提升了20%-30%。
• 评估结果证实，大规模术语映射在真实世界信息检索系统中是可行且有效的。