语义多语言搜索能否提升研究成果在各语言间的可及性？一项 COAR 提案

今天，COAR 发表了一篇论文，介绍一种非常有前景的多语言发现新方法，称为多语言语义搜索。
学术知识通过广泛的来源——仓储、期刊、数据平台和其他学术信息系统——并以数百种语言被创造和传播。然而，大多数发现工具仍然偏向少数主导语言，使大量研究成果对全球受众实际上不可见。本文探讨了「语义多语言搜索」的概念：这是一种新兴方法，按含义而非按确切措辞来检索信息，使用户能够以任何受支持的语言进行搜索，并跨语言发现相关工作。我们相信，如果将这种方法应用于学术知识公地，将能在高度多语言的环境中显著提升研究产出的可发现性。需要指出的是，这不是一种翻译技术，而是一种在不同语言之间把意义与相关内容关联起来的方式。
该文件没有提出固定的技术设计，而是邀请社群思考语义多语言搜索如何在更广泛的学术交流生态系统中演进。文章回顾了早期经验、共同原则以及集体责任，以确保这一代新的发现工具推动开放性、公平性和语言多样性。
与论文配套，我们还发布了一个演示笔记程序（notebook），公开分享一个简单概念验证背后的代码。该笔记程序以透明、易懂的方式展示了多语言嵌入（embedding）如何表征跨语言的意义并实现跨语言发现。它不是完整的应用，而是底层技术的一个最小化、开放的演示——旨在鼓励学习、实验和基于社群的开发。
我们全球仓储生态系统中的集体内容极其多样且多语言，这是非常宝贵而重要的属性。因此，我们正在研究将这种方法应用于仓储网络情境下、以大幅改善对其他语言内容访问的潜力。