Generating Patterns for Extracting Chinese-Korean Named Entity Translations from theWeb

Generating Patterns for Extracting Chinese-Korean Named Entity Translations from theWeb

中韓跨語檢索上的困難之處，即在於query term中的專有名詞，由於人類語言的變化無法如同大多數的一般名詞一樣，能夠在雙語辭典中找到其對應的翻譯詞。本論文提出一種基於翻譯模板在Web中尋找翻譯詞的方式。由於Web的資料幾乎涵蓋人類到目前為止的所有知識，且會隨時更新，因此能確保找到翻譯詞的recall。本研究的一大特點在於，所有用於擷取翻譯詞的模板，均為自動生成，因此不需耗費大量人力來建構。此外，我們會利用訓練資料集來評估各模板的權重，藉以給與各候選詞適當的信心值。我們採用維基百科的中韓專有名詞pair做為本方法所需之訓練集與測試集。經實驗過後，我們的方法可以達到MAP 0.84的高分，證明本論文提出方法的實用性。

One of the main difficulties in Chinese-Korean cross-language information retrieval is to translate named entities (NE) in queries. Unlike common words, most NE's are not found in bilingual dictionaries. This paper presents a pattern-based method of finding NE translations online. The most important feature of our system is that patterns are generated and weighed automatically, saving considerable human effort. Our experimental data consists of 160 Chinese-Korean NE pairs selected fromWikipedia in five domains. Our approach can achieve a very high MAP of 0.84, which demonstrates our system's practicability.