[论文解读] Learning to Exploit Different Translation Resources for Cross Language Information Retrieval

Hosein Azarbonyad, Azadeh Shakery+1 more|arXiv (Cornell University)|May 20, 2014

Algorithms and Data Compression参考文献 22被引用 3

一句话总结

本文提出一种基于学习排序（LTR）的方法，用于在跨语言信息检索（CLIR）中融合多种翻译资源，通过结合基于翻译关系的特征与基于上下文的特征对查询词翻译结果进行排序。与单一资源基线方法相比，该方法在英-波斯语CLIR任务中显著提升了检索性能，证明了通过监督排序融合多样化翻译源的有效性。

ABSTRACT

One of the important factors that affects the performance of Cross Language Information Retrieval(CLIR)is the quality of translations being employed in CLIR. In order to improve the quality of translations, it is important to exploit available resources efficiently. Employing different translation resources with different characteristics has many challenges. In this paper, we propose a method for exploiting available translation resources simultaneously. This method employs Learning to Rank(LTR) for exploiting different translation resources. To apply LTR methods for query translation, we define different translation relation based features in addition to context based features. We use the contextual information contained in translation resources for extracting context based features.The proposed method uses LTR to construct a translation ranking model based on defined features. The constructed model is used for ranking translation candidates of query words. To evaluate the proposed method we do English-Persian CLIR, in which we employ the translation ranking model to find translations of English queries and employ the translations to retrieve Persian documents. Experimental results show that our approach significantly outperforms single resource based CLIR methods.

研究动机与目标

• 解决在跨语言信息检索（CLIR）中整合质量与特性各异的多种翻译资源的挑战。
• 通过利用多样化翻译源而非依赖单一资源，提升查询词翻译的质量。
• 开发一种统一框架，利用语言学特征与上下文特征对翻译候选进行排序。
• 在真实世界的CLIR场景中（具体为英-波斯语检索）评估所提方法的有效性。

提出的方法

• 该方法采用学习排序（LTR）训练模型，基于翻译关系特征与上下文特征的组合对翻译候选进行打分。
• 基于翻译关系的特征捕捉不同资源间翻译的一致性与可靠性。
• 基于上下文的特征利用周围词汇与句法上下文，评估翻译在特定查询上下文中的恰当性。
• 模型使用标注数据进行训练，其中相关翻译已被识别，使系统能够学习哪些特征最能预测高质量翻译。
• 最终的翻译排序模型用于在检索波斯语文档前，对英文查询的翻译候选进行重排序。
• 该方法在英-波斯语CLIR设置中进行评估，使用翻译后的查询检索相关波斯语文档。

实验结果

研究问题

• RQ1 通过学习排序框架融合多种翻译资源，是否能在CLIR中提升翻译质量，相比使用单一资源？
• RQ2 在区分高质量翻译方面，基于翻译关系的特征与基于上下文的特征，哪类更有效？
• RQ3 所提出的多资源融合方法在真实检索任务中的性能，与基线单一资源CLIR系统相比如何？
• RQ4 在低资源或模糊查询上下文中，上下文信息在多大程度上能提升翻译选择的准确性？

主要发现

• 所提出的基于LTR的方法在英-波斯语跨语言检索中显著优于单一资源CLIR方法。
• 融合基于翻译关系与基于上下文的特征，其翻译排序效果优于仅使用其中任一类型特征。
• 通过选择更准确且上下文恰当的翻译，模型显著提升了检索有效性。
• 实验结果表明，通过学习排序融合多种翻译资源，可在检索性能指标上实现可测量的提升。