■唐靜

淺談關(guān)于中國日語學(xué)習(xí)者的中日對譯語料庫構(gòu)建的研究

■唐靜

文章簡述的是構(gòu)建中的外語學(xué)習(xí)者語料庫的一部分：中國日語學(xué)習(xí)者中日對譯語料庫的建設(shè)情況。介紹構(gòu)建學(xué)習(xí)者語料庫的四個主要階段,即語言資料的收集、各種工具的開發(fā)、語料庫的研制、語料庫的分析。

一、引言

在開發(fā)計算機輔助語言教學(xué)系統(tǒng)（CALL System）的過程中，其準(zhǔn)備工作之一是語料庫的研制。語料庫可以分成兩種類型：母語語料庫和學(xué)習(xí)者語料庫（Learners Corpus）。其中學(xué)習(xí)者語料庫特別受到語言教學(xué)鄰域研究者的注目。目前，世界上的雙（多）語語料庫均為英語與其他語言的平行語料庫，漢語與日語的平行語料庫開發(fā)較少。隨著信息社會的到來和中日交流的不斷擴大，越來越多的語言研究者、教育者以及機器翻譯研究者急需一個大型的中日平行語料庫。為此，長沙民政技術(shù)學(xué)院是于2008年9月開始著手構(gòu)建基于中國人日語學(xué)習(xí)者《中日對譯語料庫》建設(shè)的。這個項目是正在進(jìn)行中的長沙民政職業(yè)技術(shù)學(xué)院外語學(xué)院外語學(xué)習(xí)者語料庫建設(shè)項目中的一部分。

二、語料庫構(gòu)建的目的

本語料庫構(gòu)建的最終目的是用計算機同時檢索中日文語料中的信息，以有助于從語言學(xué)角度對中國學(xué)習(xí)者的日語語言應(yīng)用進(jìn)行分析。這些語言分析工作是語料庫建設(shè)的一個環(huán)節(jié)，同時對日語教學(xué)實踐又有著直接的指導(dǎo)意義。

隨著全球范圍內(nèi)對日語學(xué)習(xí)的需求，至今人們已開發(fā)了許多類型的日語教學(xué)系統(tǒng)。但是，能夠認(rèn)識到學(xué)習(xí)者第一語言（L1）的不同，而考慮到學(xué)習(xí)者的母語和目的語的差異，從這個角度開發(fā)的教學(xué)系統(tǒng)現(xiàn)在還很少。在這種情況下，要開發(fā)適用于以漢語為第一語言、以日語為目的語的語言習(xí)者教學(xué)系統(tǒng)，其初期工作就是首先構(gòu)建一個中國日語學(xué)習(xí)者語料庫。

三、本語料庫的研究成果與特色

對譯語料庫與單語語料庫相比，最大的特點是雙語性和平行性。利用對譯語料庫進(jìn)行各種目的的研究時，應(yīng)該充分認(rèn)識并有效利用這一特點。根據(jù)我們的實踐體會，合理的利用譯例，往往可以取得意想不到的效果。為此，對對譯語料需要加以分類后，按不同目的重新組合以有效地利用?？紤]到以上情況，我們決定構(gòu)建一個以漢語為第一語言與以日語為目的語的中日雙語平行的大型語料庫，而且為了從多方面對學(xué)習(xí)者的語言錯誤進(jìn)行定量分析，我們使用獨自開發(fā)的工具來進(jìn)行賦碼操作。

四、研究方法

1.語言資料的收集方法。首先構(gòu)建一個基于中國日語學(xué)習(xí)者的中日雙語平行的大型語料庫，收錄至少有譯文的漢語和日語平行語料1000萬字，為兼顧多種研究目的，收錄的內(nèi)容以有研究價值的中日文學(xué)名著為主，兼收劇本、散文、政論文等其他文體的文章，原文和譯文全文收錄。為滿足文學(xué)和翻譯學(xué)學(xué)習(xí)者的需要，部分名著收錄多個譯本，語料錯誤率確保在千分之五以內(nèi)。

2.編輯與電子化。編輯工作包括三個部分：（1）把手寫的譯文材料電子化，使其成為日中逐句對譯的文件形式。（2）在每個文件上附上該學(xué)習(xí)年齡、性別、出生地、日語學(xué)習(xí)經(jīng)歷等的基本者的信息。（3）原則上以益岡隆志、田洼行則編著《基本日本語文法》的語法體系為基準(zhǔn)，并參考有關(guān)中國日語學(xué)習(xí)者誤用例的先行研究，來設(shè)計錯誤碼的目錄，并用其進(jìn)行賦碼操作。

電子化過程，是為了便于進(jìn)行語料庫分析和處理，把編輯完的文件變成XML形式。

3.語料庫檢索工具的研制。一個高水平的語料庫需要一個高效率、多功能的檢索工具。中日對譯語料庫要求其檢索工具必須具備雙語平行檢索、關(guān)鍵詞檢索（KWIC）、句型搭配檢索、抽象的句型檢索等專用功能。為了滿足此需要，擬在探明中日文版WINDOWS95/98的內(nèi)碼基礎(chǔ)上，提出解決中日雙語同窗顯示和檢索問題的方案，并開發(fā)一個可掛接于中日對譯語料庫的雙語檢索工具。該檢索工具為窗口操作，界面友好；既對現(xiàn)有檢索工具的優(yōu)秀功能進(jìn)行必要的集成，又根據(jù)雙語語料庫的特點增添必要的功能。

4.語料庫的分析。中日對譯語料庫的研制是一項涉及語言學(xué)、翻譯學(xué)、信息工程學(xué)和計算機科學(xué)的跨學(xué)科綜合研究課題，其研究方法需要取自社會科學(xué)和自然科學(xué)。在選擇語料、文本對齊、語料檢索與標(biāo)注加工方面，我們主張首先對文本語言進(jìn)行深入研究，盡量吸收語言學(xué)、文學(xué)和翻譯學(xué)的最新成果；在運用語料庫進(jìn)行語言研究方面，主張充分利用信息工程學(xué)的方法和計算機科學(xué)的最新技術(shù)，以達(dá)到以往的研究方法所不能取得的研究效率和成果。

五、結(jié)語與展望

中國日語學(xué)習(xí)者中日對譯語料庫是長沙民政職業(yè)技術(shù)學(xué)院外語學(xué)院外語學(xué)習(xí)者語料庫建設(shè)的一個重要組成部分。下階段，我們還會使用自然語言處理技術(shù)，并在分析從本語料庫得出的學(xué)習(xí)者錯誤趨向的基礎(chǔ)上，為中國日語學(xué)習(xí)者開發(fā)出能夠自動生成學(xué)習(xí)菜單和教授信息的計算機輔助翻譯教學(xué)系統(tǒng)。

[1]徐一平,曹大峰主編.中日對譯語料庫的研制與應(yīng)用研究[M].外語教學(xué)與研究出版社,2002.

長沙民政職業(yè)技術(shù)學(xué)院外語學(xué)院）