論文の概要: Cross-Lingual Information Retrieval in Tetun for Ad-Hoc Search

• arxiv url: http://arxiv.org/abs/2610.34362v1
• Date: Sun, 25 Oct 2026 15:14:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.584093
• Title: Cross-Lingual Information Retrieval in Tetun for Ad-Hoc Search
• Title（参考訳）: アドホック検索のためのテトゥーンにおける言語間情報検索
• Abstract要約: ティモール・レステ語では、テトゥン語、ポルトガル語、英語、インドネシア語が公用語および作業言語である。 これらの言語間の情報アクセスをサポートするために、現在、言語間情報検索ソリューションは存在しない。 Google TranslateはTetun CLIRでもっとも信頼性の高いツールであり、Hiemstra LMは言語横断検索性能でBM25とDFR BM25を一貫して上回っている。
• 参考スコア（独自算出の注目度）: 1.0514231683620514
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Developing information retrieval (IR) systems that enable access across multiple languages is crucial in multilingual contexts. In Timor-Leste, where Tetun, Portuguese, English, and Indonesian are official and working languages, no cross-lingual information retrieval (CLIR) solutions currently exist to support information access across these languages. This study addresses that gap by investigating CLIR approaches tailored to the linguistic landscape of Timor-Leste. Leveraging an existing monolingual Tetun document collection and ad-hoc text retrieval baselines, we explore the feasibility of CLIR for Tetun. Queries were manually translated into Portuguese, English, and Indonesian to create a multilingual query set. These were then automatically translated back into Tetun using Google Translate and several large language models, and used to retrieve documents in Tetun. Results show that Google Translate is the most reliable tool for Tetun CLIR overall, and the Hiemstra LM consistently outperforms BM25 and DFR BM25 in cross-lingual retrieval performance. However, overall effectiveness remains up to 26.95 percentage points lower than that of the monolingual baseline, underscoring the limitations of current translation tools and the challenges of developing an effective CLIR for Tetun. Despite these challenges, this work establishes the first CLIR baseline for Tetun ad-hoc text retrieval, providing a foundation for future research in this under-resourced setting.
• Abstract（参考訳）: 複数の言語にまたがるアクセスを可能にする情報検索(IR)システムの開発は、多言語コンテキストにおいて重要である。 ティモール・レステでは、テトゥン語、ポルトガル語、英語、インドネシア語が公用語であり、これらの言語間の情報アクセスをサポートするための言語間情報検索(CLIR)ソリューションは存在しない。 This study address that gap by investigation CLIR approach suitable to the language landscape of Timor-Leste。 既存のモノリンガルなTetun文書コレクションとアドホックなテキスト検索ベースラインを活用して,TetunのCLIRの実現可能性を検討する。 クエリーはポルトガル語、英語、インドネシア語に手動で翻訳され、多言語クエリーセットを作成する。 それらはGoogle Translateといくつかの大きな言語モデルを使って自動的にTetunに変換され、Tetunでドキュメントの検索に使用された。 その結果,Google TranslateはTetun CLIRの総合的な信頼性の高いツールであり,Hiemstra LMは言語横断検索性能においてBM25とDFR BM25を一貫して上回っていることがわかった。 しかしながら、全体的な効果はモノリンガルベースラインよりも最大26.95パーセント低いままであり、現在の翻訳ツールの限界とテトゥンのための効果的なCLIRを開発する際の課題を裏付けている。 これらの課題にもかかわらず、この研究はTetunアドホックテキスト検索のための最初のCLIRベースラインを確立する。

関連論文リスト

• Bridging Language Gaps: Advances in Cross-Lingual Information Retrieval with Multilingual LLMs [0.19116784879310025]
  言語間情報検索(CLIR)は、元のクエリとは異なる言語で書かれた関連文書を取得するという課題に対処する。 近年の進歩は、翻訳に基づく手法から埋め込みに基づくアプローチへと移行している。 この調査は、初期の翻訳に基づく手法から、最先端の埋め込み駆動および生成技術への展開の包括的概要を提供する。
  論文  参考訳（メタデータ） (2025-10-01T13:50:05Z)
• Multilingual Retrieval-Augmented Generation for Knowledge-Intensive Task [89.45111250272559]
  Retrieval-augmented Generation (RAG) は現代のNLPの基盤となっている。 本稿では,複数言語にまたがるRAGの有効性について,複数言語にまたがるオープンドメイン問合せに対する新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2025-04-04T17:35:43Z)
• Cross-lingual Editing in Multilingual Language Models [1.3062731746155414]
  本稿では,言語間モデル編集(textbfXME)パラダイムを紹介し,事実を一つの言語で編集し,その後の更新伝搬を他の言語で観察する。 その結果,言語が2つの異なるスクリプトファミリーに属している場合を中心に,XME設定下での最先端のMETの性能制限が顕著に示された。
  論文  参考訳（メタデータ） (2024-01-19T06:54:39Z)
• Soft Prompt Decoding for Multilingual Dense Retrieval [30.766917713997355]
  本稿では,MLIRタスクへの言語間情報検索のための最先端手法の適用により,準最適性能が得られることを示す。 これは多言語コレクションの不均一性と不均衡性に起因する。 KD-SPDはMLIRの新しいソフトプロンプトデコーディング手法で、異なる言語における文書の表現を同じ埋め込み空間に暗黙的に「翻訳」する。
  論文  参考訳（メタデータ） (2023-05-15T21:17:17Z)
• Efficiently Aligned Cross-Lingual Transfer Learning for Conversational Tasks using Prompt-Tuning [98.60739735409243]
  英語のような高リソース言語で訓練された言語モデルの言語間移動は、多くのNLPタスクのために広く研究されている。 並列および大規模多言語会話データセットである言語間アライメント事前学習のためのXSGDを導入する。 協調的な言語間表現を容易にするために,アライメントプロンプトを学習するための効率的なプロンプトチューニング手法を開発した。
  論文  参考訳（メタデータ） (2023-04-03T18:46:01Z)
• Simple Yet Effective Neural Ranking and Reranking Baselines for Cross-Lingual Information Retrieval [50.882816288076725]
  言語間情報検索は、ある言語で文書を検索し、別の言語でクエリーを検索するタスクである。 本研究では,多段階アーキテクチャを用いた言語横断検索のための異なるアプローチを体系化するための概念的枠組みを提案する。 我々は、ペルシア、ロシア、中国のTREC 2022 NeuCLIRトラックから収集したテストコレクションに対して、Anserini IRツールキットとPyserini IRツールキットに単純かつ効果的に再現可能なベースラインを実装した。
  論文  参考訳（メタデータ） (2023-04-03T14:17:00Z)
• CONCRETE: Improving Cross-lingual Fact-checking with Cross-lingual Retrieval [73.48591773882052]
  ほとんどのファクトチェックアプローチは、他の言語におけるデータ不足の問題にのみ英語に焦点を当てている。 クロスリンガル検索を付加した最初のファクトチェックフレームワークを提案する。 提案したクロスリンガル逆クローズタスク(XICT)を用いてレトリバーを訓練する。
  論文  参考訳（メタデータ） (2022-09-05T17:36:14Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。