董李鵬，高東懷，朱益平，張知元

（1.西北大學(xué) 現(xiàn)代教育技術(shù)中心，陜西 西安 710069；2.第四軍醫(yī)大學(xué) 網(wǎng)絡(luò)中心，陜西 西安 710032；3.西北大學(xué) 外國(guó)語(yǔ)學(xué)院，陜西 西安 710069）

一、引言

語(yǔ)料庫(kù)（Corpus）通常是包含數(shù)以萬(wàn)計(jì)字的機(jī)器可讀的語(yǔ)言材料集，它不同于檔案，通常是被挑選出來(lái)并經(jīng)過(guò)處理的文本，可用來(lái)代表特定的語(yǔ)言變體或流派，因此可作為一個(gè)標(biāo)準(zhǔn)的參考[1]。人們通過(guò)語(yǔ)料庫(kù)觀察和把握語(yǔ)言事實(shí)，分析和研究語(yǔ)言系統(tǒng)的規(guī)律[2]。公示語(yǔ)是在公共場(chǎng)合所展示的文字，具有特殊的交際功能以及提供信息和完成指令的作用。

目前，常用的語(yǔ)料庫(kù)可分為三大類，分別為：譯文語(yǔ)料庫(kù)（translation corpus）、類比語(yǔ)料庫(kù)（comparable corpus）、對(duì)應(yīng)語(yǔ)料庫(kù)（parallel corpus）[3]。譯文語(yǔ)料庫(kù)以收錄譯文為主，其宗旨在挖掘翻譯語(yǔ)言本身的特征；類比語(yǔ)料庫(kù)收錄同一種語(yǔ)言的原生文本和翻譯文本，它們之間無(wú)翻譯對(duì)應(yīng)關(guān)系，但在時(shí)代、體裁、主題等方面具有可比性，可用來(lái)研究翻譯語(yǔ)言的特點(diǎn)；對(duì)應(yīng)語(yǔ)料庫(kù)收錄原文與譯文雙語(yǔ)平行對(duì)照文本，為了能方便、精準(zhǔn)的檢索到所需要的語(yǔ)料，開發(fā)者通常會(huì)按事先設(shè)定好的標(biāo)準(zhǔn)對(duì)語(yǔ)料進(jìn)行句或段的對(duì)齊[4]。陜西省旅游景區(qū)公示語(yǔ)英漢/漢英翻譯語(yǔ)料庫(kù)則屬于對(duì)應(yīng)語(yǔ)料庫(kù)，同樣它也屬于雙語(yǔ)“專用性”語(yǔ)料庫(kù)。本文構(gòu)建的語(yǔ)料庫(kù)系統(tǒng)作為旅游解說(shuō)系統(tǒng)中重要的軟件組成部分，它將大量實(shí)際應(yīng)用中的高質(zhì)量的公示語(yǔ)漢英翻譯語(yǔ)料經(jīng)過(guò)處理后整合起來(lái)提供給所需的用戶進(jìn)行檢索、研究，該系統(tǒng)的實(shí)現(xiàn)對(duì)國(guó)內(nèi)其他省市公示語(yǔ)翻譯語(yǔ)料庫(kù)系統(tǒng)的設(shè)計(jì)與開發(fā)具有一定的借鑒意義。

二、公示語(yǔ)翻譯語(yǔ)料庫(kù)主題欄目劃分

陜西省是旅游文化大省，共有人文景觀800多處，是文物古跡薈萃之地，是重要的國(guó)際文化旅游勝地之一。首先，課題組成員分頭實(shí)地調(diào)研，廣泛采集資料，然后，對(duì)所收集的資料和實(shí)地采集的譯例進(jìn)行分析、歸類，并對(duì)陜西省旅游景區(qū)的文化特色和多樣性特點(diǎn)進(jìn)行系統(tǒng)的分析，初步規(guī)劃了語(yǔ)料庫(kù)的主題欄目，共分為10大類和48個(gè)小類，如表1所示。語(yǔ)料庫(kù)資料的收集整理和欄目的劃分為系統(tǒng)開發(fā)奠定了基礎(chǔ)。

表1 陜西省旅游景區(qū)公示語(yǔ)翻譯語(yǔ)料庫(kù)主題欄目

三、公示語(yǔ)翻譯語(yǔ)料庫(kù)系統(tǒng)總體設(shè)計(jì)

1.設(shè)計(jì)原則

參照國(guó)內(nèi)外的相關(guān)研究課題，確立了本系統(tǒng)的設(shè)計(jì)原則，主要是：

（1）實(shí)用性和易用性：系統(tǒng)在設(shè)計(jì)初期考慮到管理員和普通用戶需求，并吸納其他知名系統(tǒng)的設(shè)計(jì)理念，盡力達(dá)到功能完善、簡(jiǎn)單易用的用戶體驗(yàn)。

（2）易管理和可維護(hù)性：管理員可利用瀏覽器登錄到此系統(tǒng)進(jìn)行管理與維護(hù)，以保障其有效的運(yùn)行。

（3）可擴(kuò)展性：系統(tǒng)在開發(fā)時(shí)，出于長(zhǎng)久的考慮，預(yù)留了接口，作為未來(lái)新功能的擴(kuò)展。

（4）安全性：實(shí)現(xiàn)簡(jiǎn)單的用戶權(quán)限（超級(jí)管理員、普通管理員、普通用戶）分配，保障了系統(tǒng)可被安全的訪問(wèn)。

筆者所建立的公示語(yǔ)翻譯語(yǔ)料庫(kù)系統(tǒng)主要有兩大功能。管理語(yǔ)料數(shù)據(jù)庫(kù)，利用該系統(tǒng)提供的插入、刪除、更新等功能來(lái)完成語(yǔ)料數(shù)據(jù)庫(kù)的管理，比較重要的是語(yǔ)料加工功能，利用特殊的方式將語(yǔ)料篇章分割成若干句子以記錄的形式存入數(shù)據(jù)庫(kù)中；語(yǔ)料檢索功能，可利用詞組或句子作為檢索關(guān)鍵詞進(jìn)行分類檢索和全庫(kù)檢索。設(shè)計(jì)公示語(yǔ)翻譯語(yǔ)料庫(kù)系統(tǒng)應(yīng)緊緊圍繞這兩大功能。

2.系統(tǒng)框架設(shè)計(jì)

從用戶角色的角度出發(fā)，系統(tǒng)的功能結(jié)構(gòu)如圖1所示。

普通用戶有發(fā)表評(píng)論和查詢檢索語(yǔ)料的功能，他們可以通過(guò)發(fā)表評(píng)論的功能對(duì)語(yǔ)料庫(kù)系統(tǒng)進(jìn)行評(píng)價(jià)并給出寶貴的意見(jiàn)和建議，以便進(jìn)一步完善該系統(tǒng)；也可利用查詢檢索的功能對(duì)語(yǔ)料庫(kù)中的資源進(jìn)行查詢和研究。

管理員（超級(jí)管理員和普通管理員）具有分類管理、用戶管理、友情鏈接管理、語(yǔ)料管理、評(píng)論信息管理、系統(tǒng)配置、查詢搜索7大類功能。

（1）分類管理：可對(duì)語(yǔ)料庫(kù)資料來(lái)源的一級(jí)分類和二級(jí)分類進(jìn)行管理，包括添加、刪除、編輯等功能。

（2）用戶管理：可對(duì)已注冊(cè)的合法用戶（管理員和普通用戶）進(jìn)行管理，實(shí)現(xiàn)用戶的刪除、編輯、審核，查看總用戶數(shù)等功能。

（3）友情鏈接管理：管理員可根據(jù)友情鏈接的分類（單語(yǔ)語(yǔ)料、雙語(yǔ)語(yǔ)料、論壇沙龍、軟件下載、旅游資訊）添加或刪除相關(guān)友情鏈接。

（4）語(yǔ)料管理：管理員可對(duì)語(yǔ)料庫(kù)中所有的語(yǔ)料進(jìn)行修改、增加和刪除操作。在添加語(yǔ)料的同時(shí)，系統(tǒng)可利用正則表達(dá)式強(qiáng)大的查詢匹配功能，將語(yǔ)料篇章分割為若干條中英文相對(duì)應(yīng)的平行語(yǔ)料，以記錄的形式存入語(yǔ)料庫(kù)之中。

（5）評(píng)論信息管理：主要實(shí)現(xiàn)評(píng)論信息的查看和刪除，評(píng)論版塊提供了用戶與管理員交流的平臺(tái)，用戶可以對(duì)語(yǔ)料庫(kù)系統(tǒng)提出寶貴的意見(jiàn)和建議。

（6）系統(tǒng)配置：主要提供查看管理員手冊(cè)、修改管理員手冊(cè)、修改用戶使用幫助、修改聯(lián)系方式等功能。

（7）查詢檢索：系統(tǒng)不僅提供全庫(kù)檢索和分類檢索功能，還加入了精確和模糊檢索功能，關(guān)鍵詞（Keywords）以中文或英文的任意字符串為主，之間以空格分隔，系統(tǒng)加入自動(dòng)識(shí)別和詞組過(guò)濾機(jī)制，上述功能使用戶能更準(zhǔn)確的搜索到所期待的結(jié)果。語(yǔ)料檢索頁(yè)面如圖2。

3.技術(shù)路線

陜西省旅游景區(qū)公示語(yǔ)翻譯語(yǔ)料庫(kù)系統(tǒng)是由西北大學(xué)外國(guó)語(yǔ)學(xué)院和現(xiàn)代教育技術(shù)中心聯(lián)合研發(fā)。主要采用目前Web開發(fā)的絕佳組合LAMP（Linux+Apache+MySQL+PHP）。后臺(tái)采用服務(wù)器端腳本語(yǔ)言PHP，前端采用Web標(biāo)準(zhǔn)DIV+CSS實(shí)現(xiàn)網(wǎng)頁(yè)布局，并融入了最關(guān)鍵的技術(shù)正則表達(dá)式（Regular Expression），它自身具有一套非常完整的、可以編寫模式的語(yǔ)法體系，提供了一種靈活且直觀的字符串處理方法[5,6]，利用它使得在語(yǔ)料添加、模糊查詢、精確查詢等功能的實(shí)現(xiàn)中發(fā)揮了巨大的作用。

4.系統(tǒng)架構(gòu)

本系統(tǒng)采用B/S體系架構(gòu)（Browser/Server，瀏覽器/服務(wù)器模式）[7]，從邏輯上可分為表現(xiàn)層（Presentation layer）、業(yè)務(wù)邏輯層 （Business logical layer）和數(shù)據(jù)訪問(wèn)層（Data access layer）。瀏覽器、Web服務(wù)器、數(shù)據(jù)庫(kù)服務(wù)器分別和表現(xiàn)層、業(yè)務(wù)邏輯層、數(shù)據(jù)訪問(wèn)層相關(guān)聯(lián)。如圖3所示，當(dāng)用戶或管理員通過(guò)終端瀏覽器向Apache服務(wù)器發(fā)出查詢語(yǔ)料等請(qǐng)求時(shí)，服務(wù)器解析請(qǐng)求并與數(shù)據(jù)庫(kù)服務(wù)器進(jìn)行交互完成業(yè)務(wù)邏輯處理，隨后將查詢到的信息以HTML的形式返回到客戶端瀏覽器中。

5.系統(tǒng)數(shù)據(jù)庫(kù)設(shè)計(jì)

本系統(tǒng)采用MySQl5.1.41數(shù)據(jù)庫(kù)，根據(jù)系統(tǒng)的功能需求和各模塊設(shè)計(jì)，需建立7個(gè)數(shù)據(jù)表，分別為：語(yǔ)料文章信息表、語(yǔ)料句詞信息表、語(yǔ)料分類信息表、用戶信息表、友情鏈接信息表、評(píng)論信息表、系統(tǒng)配置信息表。

用建模工具PowerDesigner對(duì)系統(tǒng)數(shù)據(jù)庫(kù)圖進(jìn)行規(guī)劃，如圖4所示。語(yǔ)料文章信息表（articles）包括文章編號(hào)、文章英文標(biāo)題、文章英文內(nèi)容、文章中文標(biāo)題、文章中文內(nèi)容、文章特色圖片、用戶編號(hào)、語(yǔ)料分類號(hào)字段，其中用戶編號(hào)與用戶信息表中的用戶編號(hào)相關(guān)聯(lián)，語(yǔ)料分類號(hào)與語(yǔ)料分類信息表中的分類編號(hào)相關(guān)聯(lián)；語(yǔ)料句詞信息表（sentences）包括句詞編號(hào)、句詞英文內(nèi)容、句詞中文內(nèi)容、文章編號(hào)，用戶編號(hào)、語(yǔ)料分類號(hào)字段，其中文章編號(hào)與語(yǔ)料文章信息表中的文章編號(hào)相關(guān)聯(lián)，用戶編號(hào)與用戶信息表中的用戶編號(hào)字相關(guān)聯(lián)，語(yǔ)料分類號(hào)與語(yǔ)料分類信息表中的分類編號(hào)相關(guān)聯(lián)；語(yǔ)料分類信息表（sorts）包括分類編號(hào)、父分類編號(hào)、分類名稱和分類描述字段；用戶信息表（users）包括用戶編號(hào)、用戶名稱、用戶密碼、用戶角色等字段；友情鏈接表（links）包括鏈接編號(hào)、鏈接名稱、鏈接所屬分類、鏈接具體地址字段；評(píng)論信息表（messages）包括評(píng)論信息編號(hào)、評(píng)論信息內(nèi)容、用戶編號(hào)字段，其中用戶編號(hào)與用戶信息表中的用戶編號(hào)相關(guān)聯(lián)；系統(tǒng)配置信息表（options）包括配置信息編號(hào)、配置信息名稱、配置信息分類等字段。

四、系統(tǒng)實(shí)現(xiàn)

下面從系統(tǒng)的邏輯框架出發(fā)分別闡述數(shù)據(jù)訪問(wèn)層、業(yè)務(wù)邏輯層、表現(xiàn)層的實(shí)現(xiàn)過(guò)程。

1.數(shù)據(jù)訪問(wèn)層設(shè)計(jì)

數(shù)據(jù)訪問(wèn)層即持久層，它是一組封裝了對(duì)數(shù)據(jù)庫(kù)進(jìn)行CURD（創(chuàng)建、更新、讀取、刪除）操作的類。系統(tǒng)中數(shù)據(jù)訪問(wèn)層設(shè)計(jì)了8個(gè)類，如表2所示。

表2 系統(tǒng)中定義的類說(shuō)明

（1）sentences類的設(shè)計(jì)

以sentences類為例說(shuō)明類中定義的方法。sentences類定義了對(duì)語(yǔ)料句詞信息表的各種操作方法，此類中的方法定義如表3所示。

（2）方法的實(shí)現(xiàn)

下面以sentences類中g(shù)etSentences()方法為例，闡述方法的實(shí)現(xiàn)，當(dāng)管理員想要編輯或查詢某一篇語(yǔ)料文章所對(duì)應(yīng)的平行語(yǔ)料時(shí)，點(diǎn)擊相應(yīng)按鈕，這時(shí)程序會(huì)調(diào)用getSentences()方法，參數(shù)為此文章的編號(hào)、起始序號(hào)、每頁(yè)顯示的條數(shù)，隨后程序會(huì)組合生成select語(yǔ)句在sentences表中進(jìn)行查詢，將查詢到的每一條記錄的每個(gè)字段分別存入sentence對(duì)象的成員中，然后將每個(gè)對(duì)象存入數(shù)組sentence_array中保存起來(lái)，即為所查詢的結(jié)果。

表3 sentences類中定義的方法說(shuō)明

2.業(yè)務(wù)邏輯層設(shè)計(jì)

業(yè)務(wù)邏輯層處在三層架構(gòu)中最關(guān)鍵的位置，起到了承上啟下的作用，他主要負(fù)責(zé)從表現(xiàn)層獲得用戶輸入的數(shù)據(jù)，并調(diào)用數(shù)據(jù)訪問(wèn)層提供的相應(yīng)方法完成和業(yè)務(wù)需求有關(guān)的功能。在此，介紹一下用戶檢索語(yǔ)料的策略在該層中的實(shí)現(xiàn)。

語(yǔ)料庫(kù)系統(tǒng)的查詢檢索功能分為全庫(kù)檢索和聯(lián)動(dòng)分類檢索，為了實(shí)現(xiàn)查詢檢索的精確度，系統(tǒng)還加入了精確和模糊兩種檢索模式，另外還加入了本系統(tǒng)的一大創(chuàng)新點(diǎn)“詞組過(guò)濾機(jī)制”。當(dāng)用戶在搜索框中輸入以空格分割的中英文關(guān)鍵詞，選擇相應(yīng)的搜索模式，點(diǎn)擊搜索時(shí)，系統(tǒng)會(huì)調(diào)用封裝在sentences類中的searchSentence（）方法，參數(shù)為關(guān)鍵詞、欄目一級(jí)分類、欄目二級(jí)分類、起止序號(hào)、每頁(yè)顯示的條數(shù)、搜索模式，然后系統(tǒng)會(huì)根據(jù)傳入的參數(shù)判斷是英文還是中文關(guān)鍵詞，并經(jīng)過(guò)一系列復(fù)雜的程序組合生成SQL語(yǔ)句，如果為精確搜索，系統(tǒng)會(huì)利用MySQL提供的擴(kuò)展正則表達(dá)式中的regexp操作符來(lái)精確匹配關(guān)鍵字，如果為模糊搜索則不使用正則表達(dá)式，隨后將查詢到的每一條結(jié)果再利用正則表達(dá)式提供的搜索替換操作符preg_replace在關(guān)鍵詞出現(xiàn)的地方加上特殊標(biāo)記，以備輸出時(shí)做高亮顯示，最后循環(huán)以對(duì)象的形式存入數(shù)組中。

“詞組過(guò)濾機(jī)制”是本系統(tǒng)不同于其他語(yǔ)料庫(kù)系統(tǒng)的一個(gè)地方，例如：用戶檢索temple但不想讓結(jié)果出現(xiàn)museum，可以在搜索框中輸入“temple-museum”。這一機(jī)制的實(shí)現(xiàn)過(guò)程為，當(dāng)用戶輸入關(guān)鍵詞點(diǎn)擊搜索時(shí)，系統(tǒng)會(huì)對(duì)關(guān)鍵詞進(jìn)行分析，如果發(fā)現(xiàn)某個(gè)關(guān)鍵詞前面有“-”號(hào)標(biāo)記，程序?qū)?huì)在組合SQL語(yǔ)句中加入 “and no regexp關(guān)鍵詞”，這樣在執(zhí)行SQL語(yǔ)句時(shí)，有此關(guān)鍵詞的語(yǔ)料將會(huì)被排除在外。

3.表現(xiàn)層設(shè)計(jì)

表現(xiàn)層是人機(jī)交互的接口，主要是處理用戶的輸入和回顯系統(tǒng)處理后的數(shù)據(jù)。當(dāng)用戶發(fā)出檢索請(qǐng)求時(shí)，服務(wù)器端經(jīng)過(guò)處理將所查詢到的平行語(yǔ)料存入對(duì)象數(shù)組中并返回，然后程序再循環(huán)從數(shù)組中取出相應(yīng)的平行語(yǔ)料，如果語(yǔ)料條數(shù)過(guò)多，則可調(diào)用分頁(yè)操作類中的分頁(yè)方法進(jìn)行處理并分頁(yè)顯示，顯示結(jié)果時(shí)，關(guān)鍵字紅色高亮顯示，以便快速定位關(guān)鍵詞在語(yǔ)料中的位置。

五、總結(jié)

本文從語(yǔ)料庫(kù)語(yǔ)言學(xué)的觀點(diǎn)出發(fā)，規(guī)劃了陜西省旅游景區(qū)公示語(yǔ)翻譯語(yǔ)料庫(kù)的主題欄目，設(shè)計(jì)和實(shí)現(xiàn)了本語(yǔ)料庫(kù)系統(tǒng)。作為陜西省的首個(gè)旅游景區(qū)公示語(yǔ)翻譯語(yǔ)料庫(kù)系統(tǒng)，它的成功構(gòu)建與開發(fā)為陜西省旅游景區(qū)公示語(yǔ)的搜集整理、理論探究、創(chuàng)新發(fā)展、綜合利用注入新的活力，而且有助于傳播旅游文化，增進(jìn)中外人民的友誼，讓世界進(jìn)一步了解陜西，讓陜西走向世界，為提升陜西作為文化旅游大省的國(guó)際競(jìng)爭(zhēng)力和文化軟實(shí)力貢獻(xiàn)一份力量。本系統(tǒng)目前為止基本實(shí)現(xiàn)了語(yǔ)料庫(kù)系統(tǒng)所需的功能，但仍然有一些問(wèn)題沒(méi)有考慮周全且有很多高級(jí)的功能未能實(shí)現(xiàn)，例如：字詞頻統(tǒng)計(jì)、詞性還原、中文分詞等。因此，接下來(lái)的工作是加固系統(tǒng)的基本功能并盡可能地實(shí)現(xiàn)系統(tǒng)的高級(jí)功能。

[1]Taner Sezer.Corpus linguistics theory and design and application of a Turkish corpus[D].Turkey:Mersin University PhD thesis,2005.

[2]魏順平,何克抗.小學(xué)語(yǔ)文教學(xué)語(yǔ)料庫(kù)的設(shè)計(jì)與開發(fā)[J].中國(guó)電化教育,2007(245):66-69.

[3][4]李德超,王克非.新型雙語(yǔ)旅游語(yǔ)料庫(kù)的研制與應(yīng)用[J].現(xiàn)代外語(yǔ),2010(1):46-54.

[5]高洛峰.細(xì)說(shuō)PHP[M].北京:電子工業(yè)出版社,2009.

[6]Ben Forta(著),劉曉霞等(譯).MySQL必知必會(huì)[M].北京:人民郵電出版社,2011.

[7]百度百科.B/S架構(gòu)[EB/OL].http://baike.baidu.com/view/1477348.htm.