Google 日语同义词匹配系统详解

by xslidian

at 2011-05-19 15:32:24

original http://www.guao.hk/posts/improved-synonym-matching-system-in-google-japanese-search.html

感谢谷奥热心读者及哆啦迷 Binary 的翻译与投递！

Google为了使搜索更加简单易用，每天都在不停地进行着改进。去年一年中，包括搜索结果页面更新、菜谱搜索这些用户看得见的功能在内，共实施了500多项改进措施。今天介绍的是不易察觉的改进措施之一：“同义词系统”。

在日语中，平假名、片假名、汉字和拉丁字母等多种文字混用，对于同一个词有时会有多种不同的书写方式。Google 支持不同种文字之间及跨语言的同义词匹配。这是一个看似简单实则深奥的问题，初看之下似乎只要有一套类似日语输入法所使用的词库即可，但实际上想要在非人工干预的情况下正确的找到同义词并非易事。

举例来说，「しょうぶ」可能对应着“胜负”、“菖蒲”、“尚武”等多个不同的汉字词组，它们各自有着不同的意思，想要搜索的信息也各不相同。因此 Google 在您搜索“しょうぶ儿童节”时候会显示与“菖蒲”相关的结果（日本儿童节有插菖蒲、洗菖蒲浴、喝菖蒲酒等习俗），搜索“しょうぶ拍洋画”时候则会显示与“胜负”相关的结果。

涉及到外语的时候，其读音会因为习惯或语言的种类不同而出现多种不同的可能性，情况会更复杂一些。举例来说，以“-or”结尾的单词，如 Vector、Mirror 等，Vector 一词有「ベクトル」、「ベクタ」、「ベクター」等多种读法，而 Mirror 一词并非读作「ミロル」或「ミラ」，「ミラー」才是正确的读法。对于人名“Plato”（柏拉图），初看之下似乎是应该读作「プラト」或「プレート」，但实际上日语中最常见的读法是「プラトン」，其来源是希腊语的发音，由此可见词汇拼写所对应的读法的不规则性。