Monikieliset tesaurukset kieltenvälisessä tiedonhaussa

Kieltenvälisessä tiedonhaussa hakija voi esittää kyselyn eri kielellä kuin millä dokumentit on kirjoitettu. Kyselyn ja dokumenttien täsmäytys voidaan toteuttaa esimerkiksi kääntämällä kysely dokumenttien kielille. Kyselyn kääntäminen sanakirjojen avulla on kieltenvälisessä tiedonhaussa yleisimmin käytetty menetelmä. Tässä työssä tutkitaan kyselyn kääntämistä monikielisen tesauruksen avulla kieltenvälisessä tiedonhaussa ja verrataan sitä sanakirjan avulla kääntämiseen ja yksikieliseen tiedonhakuun. Menetelmien vertailua varten tutkimuksessa muodostetaan englanninkielinen dokumenttikokoelma, johon tehdään hollanninkielisestä monikielisen EuroWordNet-tesauruksen tai hollanti-englanti-sanakirjan avulla englanninkieliseksi käännettyjä kyselyitä tai yksikielisiä englanninkielisiä kyselyitä käyttäen Indri-hakukonetta. Kaikista kyselyistä muodostetaan kaksi eri versiota, rakenteeton ja rakenteinen. Tutkimuksessa saatujen tulosten perusteella voidaan todeta, että tesaurusperusteinen kieltenvälinen tiedonhaku toimi vähintään yhtä hyvin kuin yleisimmin käytetty sanakirjaperusteinen kieltenvälinen tiedonhaku. Tesaurusperusteisessa kieltenvälisessä tiedonhaussa olisi mahdollista hyödyntää enemmän tesauruksen sisältämää tietoa sanojen välisistä suhteista.

Do wordnets also improve human performance on NLP tasks?

FinnWordNet is a wordnet for Finnish that complies with the format of the Princeton WordNet (PWN) (Fellbaum, 1998). It was built by translating the PrincetonWordNet 3.0 synsets into Finnish by human translators. It is open source and contains 117000 synsets. The Finnish translations were inserted into the PWN structure resulting in a bilingual lexical database. In natural language processing (NLP), wordnets have been used for infusing computers with semantic knowledge assuming that humans already have a sufficient amount of this knowledge. In this paper we present a case study of using wordnets as an electronic dictionary. We tested whether native Finnish speakers benefit from using a wordnet while completing English sentence completion tasks. We found that using either an English wordnet or a bilingual English Finnish wordnet significantly improves performance in the task. This should be taken into account when setting standards and comparing human and computer performance on these tasks.