查询翻译与跨语言嵌入在僧伽罗语-泰米尔语电子政务检索中的比较
原标题：Query Translation vs. Cross-Lingual Embeddings for Sinhala-Tamil E-Government Information Retrieval
AI 摘要
本文比较了跨语言信息检索（CLIR）方法在斯里兰卡政府信息检索中的应用，使用僧伽罗语和泰米尔语查询英文资料。研究发现，跨语言嵌入模型（尤其是BGE-M3）在Recall@15上达到96.2%（僧伽罗语-英语）和95.6%（泰米尔语-英语），优于基于查询翻译的方法（Google Translate为92.4%和93.0%），且无需翻译开销。结果表明，多语言嵌入模型为低资源政府领域的跨语言RAG提供了更有效和可扩展的解决方案。
正文节选
Query Translation vs. Cross-Lingual Embeddings for Sinhala–Tamil E-Government Information Retrieval Abstract This paper presents a comparative evaluation of cross-lingual information retrieval (CLIR) methods for retrieving English government information using Sinhala and Tamil queries. Two CLIR paradigms are investigated: Query Translation (QT), employing Google Translate, NLLB, and mBART50, and Cross-Lingual Embeddings (CLE), using LaBSE, multilingual E5, and BGE-M3, with monolingual English re