弥合鸿沟：基于层次化知识增强的跨语言信息检索
信息检索
2021-12-28 v1 机器学习
摘要
跨语言信息检索（CLIR）旨在对以不同于用户查询语言写成的文档进行排序。不同语言之间的内在鸿沟是CLIR的一项关键挑战。本文由于多语言知识图谱（KG）包含丰富的多语言实体信息，将其引入CLIR任务。它被视为同时实现查询与文档间显式对齐并拓展查询表示的“银弹”。我们针对该任务提出一种名为层次化知识增强CLIR（HIKE）的模型。所提模型利用多语言BERT对查询、文档及KG中的文本信息进行编码，并通过层次化信息融合机制在查询-文档匹配过程中融入KG信息。具体而言，HIKE首先通过知识级融合将KG中的实体及其邻域整合进查询表示，随后通过语言级融合结合源语言与目标语言的知识以进一步缓解语言鸿沟。最后，实验结果表明HIKE相较最先进的对比方法取得了显著提升。
引用
@article{arxiv.2112.13510,
title = {Mind the Gap: Cross-Lingual Information Retrieval with Hierarchical Knowledge Enhancement},
author = {Fuwei Zhang and Zhao Zhang and Xiang Ao and Dehong Gao and Fuzhen Zhuang and Yi Wei and Qing He},
journal= {arXiv preprint arXiv:2112.13510},
year = {2021}
}