楊東東 蔣宇鵬

摘 要 隨著信息化和大數(shù)據(jù)的發(fā)展，基于真實(shí)語(yǔ)境的語(yǔ)料庫(kù)在語(yǔ)言服務(wù)平臺(tái)建設(shè)方面起著越來(lái)越重要的作用。本文計(jì)劃以上海交大外國(guó)語(yǔ)學(xué)院的外語(yǔ)學(xué)科為依托，以自主研發(fā)大規(guī)模英漢平行語(yǔ)料庫(kù)和專用語(yǔ)料庫(kù)為基礎(chǔ)，建設(shè)一個(gè)集語(yǔ)言學(xué)習(xí)、測(cè)試、翻譯于一體的綜合性語(yǔ)言服務(wù)平臺(tái)。

關(guān)鍵詞 語(yǔ)料庫(kù) 真實(shí)語(yǔ)境 語(yǔ)言服務(wù)

中圖分類號(hào)：H030 文獻(xiàn)標(biāo)識(shí)碼：A DOI：10.16400/j.cnki.kjdks.2016.11.069

Abstract With the development of information technology and big data， corpus which is based on real context plays an increasingly important role in the construction of language service platform. This paper planned to construct an integrated language service platform， including a set of language learning， testing and translation， which is based on the disciplines of School of Foreign Languages in Shanghai Jiao Tong University， and also the large-scale parallel corpus and dedicated Corpus developed dependently.

Keywords corpus； real context； language service

上海交大外國(guó)語(yǔ)學(xué)院目前正在自主研發(fā)4000萬(wàn)字詞大規(guī)模英漢平行語(yǔ)料庫(kù)和法律、醫(yī)學(xué)、航空等專用語(yǔ)料庫(kù)，在此基礎(chǔ)上，計(jì)劃建設(shè)一個(gè)集語(yǔ)言學(xué)習(xí)、測(cè)試、翻譯于一體的綜合性語(yǔ)言服務(wù)平臺(tái)。其特點(diǎn)是依據(jù)的語(yǔ)料真實(shí)，可信度高，功能多樣。

該平臺(tái)主要分為三個(gè)部分，第一部分是自主語(yǔ)言學(xué)習(xí)模塊，第二部分語(yǔ)言水平測(cè)試模塊，第三部分是語(yǔ)言翻譯模塊。其中，每一部分都包括通用語(yǔ)言服務(wù)和行業(yè)專用語(yǔ)言服務(wù)兩大功能，可以滿足不同用戶多樣化的語(yǔ)言需求。

1建設(shè)基于語(yǔ)料庫(kù)的語(yǔ)言服務(wù)平臺(tái)的背景和必要性

語(yǔ)言學(xué)中，語(yǔ)料庫(kù)通常指為語(yǔ)言研究收集的、用電子形式保存的語(yǔ)言材料，由自然出現(xiàn)的書(shū)面語(yǔ)或口語(yǔ)的樣本匯集而成，用來(lái)代表特定的語(yǔ)言或語(yǔ)言變體，可用于機(jī)助翻譯、雙語(yǔ)詞典編撰、外語(yǔ)教學(xué)、語(yǔ)言測(cè)試等應(yīng)用領(lǐng)。

1.1 國(guó)內(nèi)基于語(yǔ)料庫(kù)的語(yǔ)言服務(wù)行業(yè)現(xiàn)狀與分布

上世紀(jì)八十年代以來(lái)，隨著語(yǔ)言處理技術(shù)的不斷革新，跨文化交流活動(dòng)的日益頻繁，國(guó)內(nèi)外語(yǔ)言產(chǎn)業(yè)獲得快速發(fā)展，產(chǎn)業(yè)形態(tài)日益多樣化，由原先的語(yǔ)言翻譯和語(yǔ)言教育服務(wù)等業(yè)態(tài)擴(kuò)大到語(yǔ)言處理、語(yǔ)言能力提升和品牌名牌命名及品牌文化評(píng)估等業(yè)態(tài)，產(chǎn)業(yè)總值呈幾何級(jí)數(shù)增加。

目前，語(yǔ)言服務(wù)創(chuàng)新資源主要集中于北京、上海和廣州等地。北京和上海均有一定數(shù)量的高校和研究機(jī)構(gòu)從事語(yǔ)料庫(kù)建設(shè)與研究，較有影響力的有北京大學(xué)計(jì)算機(jī)系、北京外國(guó)語(yǔ)大學(xué)中國(guó)外語(yǔ)教育研究中心和上海交通大學(xué)外國(guó)語(yǔ)學(xué)院。

1.2 語(yǔ)言產(chǎn)業(yè)中語(yǔ)料庫(kù)的應(yīng)用現(xiàn)狀與需求分析

國(guó)內(nèi)語(yǔ)言服務(wù)需求具體表現(xiàn)為以下趨勢(shì)：外語(yǔ)培訓(xùn)和語(yǔ)言翻譯服務(wù)發(fā)展勢(shì)頭猛；語(yǔ)言處理產(chǎn)業(yè)落后，各種語(yǔ)言支持服務(wù)的技術(shù)產(chǎn)業(yè)發(fā)展緩慢；品牌命名產(chǎn)業(yè)和針對(duì)功能性語(yǔ)言障礙的語(yǔ)言能力提升服務(wù)尚未啟動(dòng)；漢語(yǔ)言文字的現(xiàn)代信息化處理技術(shù)仍有較大上升空間，漢語(yǔ)國(guó)際化的產(chǎn)業(yè)化水平低。根據(jù)以上分析，本項(xiàng)目主要集中于機(jī)助翻譯技術(shù)、語(yǔ)言教學(xué)與能力測(cè)試幾個(gè)方面：

（1）機(jī)助翻譯技術(shù)?；谝?guī)則的機(jī)助翻譯使用句法規(guī)則作為句式轉(zhuǎn)換的基礎(chǔ)，而常規(guī)的統(tǒng)計(jì)機(jī)助翻譯利用網(wǎng)絡(luò)語(yǔ)料對(duì)翻譯引擎進(jìn)行訓(xùn)練，利用雙語(yǔ)語(yǔ)料庫(kù)進(jìn)行句對(duì)齊、詞對(duì)齊，利用單語(yǔ)語(yǔ)料庫(kù)構(gòu)建轉(zhuǎn)換規(guī)則。目前的趨勢(shì)是將人工翻譯的高質(zhì)量語(yǔ)料利用統(tǒng)計(jì)機(jī)助翻譯系統(tǒng)進(jìn)行訓(xùn)練，再利用機(jī)助翻譯的結(jié)果進(jìn)行譯后編輯，以提高翻譯效率，這已經(jīng)成為部分跨國(guó)企業(yè)的常規(guī)實(shí)踐。

（2）語(yǔ)言教學(xué)與測(cè)試。語(yǔ)料庫(kù)語(yǔ)言學(xué)在語(yǔ)言教學(xué)和語(yǔ)言測(cè)試中具有非常重要的作用。它可以幫助教師和學(xué)生了解語(yǔ)言中的典型現(xiàn)象，如詞匯量、詞匯頻率、搭配、習(xí)語(yǔ)、語(yǔ)義韻、難度、文體特征、翻譯對(duì)應(yīng)詞等，許多過(guò)去全憑老師個(gè)人直覺(jué)的東西如今可以通過(guò)快速處理大規(guī)模數(shù)據(jù)得到驗(yàn)證，從而使教材編纂和教學(xué)大綱更加客觀科學(xué)，也使語(yǔ)言教學(xué)更加高效。

2 語(yǔ)言服務(wù)平臺(tái)建設(shè)的內(nèi)容

2.1 語(yǔ)言服務(wù)平臺(tái)的主要內(nèi)容

本項(xiàng)目主要依托上海交大外國(guó)語(yǔ)學(xué)院的外語(yǔ)學(xué)科，以自主研發(fā)的4000萬(wàn)字詞大規(guī)模英漢平行語(yǔ)料庫(kù)和法律、醫(yī)學(xué)、航空等專用語(yǔ)料庫(kù)為基礎(chǔ)，建設(shè)一個(gè)集語(yǔ)言學(xué)習(xí)、測(cè)試、翻譯于一體的綜合性語(yǔ)言服務(wù)平臺(tái)。該平臺(tái)主要分為三個(gè)部分，第一部分是自主語(yǔ)言學(xué)習(xí)模塊，第二部分語(yǔ)言水平測(cè)試模塊，第三部分是語(yǔ)言翻譯模塊。其中，每一部分都包括通用語(yǔ)言服務(wù)和行業(yè)專用語(yǔ)言服務(wù)兩大功能，可以滿足用戶多樣化的語(yǔ)言需求。

2.1.1 經(jīng)過(guò)標(biāo)引處理的英漢語(yǔ)料庫(kù)系統(tǒng)

大規(guī)模英漢/漢英語(yǔ)料庫(kù)是本項(xiàng)目的靈魂，是各項(xiàng)翻譯研究、實(shí)踐、教學(xué)以及其他應(yīng)用研究的基礎(chǔ)。交大外院在20世紀(jì)80年代就建立起具有世界領(lǐng)先水平的科技語(yǔ)料庫(kù)。目前外院正在研制的大規(guī)模英漢/漢英平行語(yǔ)料庫(kù)以及為當(dāng)代英漢/漢英平行語(yǔ)料庫(kù)的建設(shè)提供了重要物質(zhì)基礎(chǔ)，為機(jī)助翻譯的研發(fā)奠定了良好的基礎(chǔ)。

項(xiàng)目正在建設(shè)的總字?jǐn)?shù)達(dá)4千萬(wàn)字詞的英漢雙語(yǔ)雙向平行語(yǔ)料庫(kù)，同時(shí)，已經(jīng)建成若干行業(yè)專用語(yǔ)料庫(kù)，如航空科技英語(yǔ)語(yǔ)料庫(kù)、醫(yī)學(xué)英語(yǔ)語(yǔ)料庫(kù)。具體流程如下：

（1）語(yǔ)料采集。文本采集對(duì)象主要為高質(zhì)量的文學(xué)作品、新聞稿件等真實(shí)語(yǔ)料。文本主要通過(guò)人工鍵盤輸入、人工掃描以及通過(guò)網(wǎng)絡(luò)下載等方法，并以純文本形式儲(chǔ)存。

（2）語(yǔ)料的加工。通過(guò)運(yùn)用語(yǔ)料庫(kù)建設(shè)技術(shù)，對(duì)采集的文本進(jìn)行消除噪音信息處理，并實(shí)現(xiàn)雙語(yǔ)文本在篇章、段落層面的對(duì)齊；同時(shí)對(duì)選用的語(yǔ)料素材進(jìn)行信息標(biāo)注（如語(yǔ)料素材的作者信息、出處、題材類型、語(yǔ)言質(zhì)量等），對(duì)語(yǔ)料素材建立一個(gè)評(píng)價(jià)的基本信息庫(kù)。

（3）語(yǔ)塊匹配。通過(guò)計(jì)算機(jī)的語(yǔ)塊計(jì)算和提取技術(shù)，建立雙語(yǔ)對(duì)應(yīng)具翻譯意義單位的語(yǔ)塊匹配數(shù)據(jù)庫(kù)，形成平行語(yǔ)料庫(kù)核心信息，為漢英翻譯和教學(xué)等應(yīng)用提供基礎(chǔ)。

（4）頻數(shù)與概率分析。對(duì)于語(yǔ)塊數(shù)據(jù)庫(kù)，通過(guò)頻數(shù)和概率的計(jì)算機(jī)智能分析，統(tǒng)計(jì)出本語(yǔ)料庫(kù)中各種表達(dá)的意義、使用的語(yǔ)言形式和實(shí)現(xiàn)的功能的頻度和概率等基本信息。

（5）建成平行語(yǔ)料庫(kù)。實(shí)現(xiàn)雙語(yǔ)文本在句子層面與語(yǔ)塊層面的對(duì)齊，建成平行語(yǔ)料庫(kù)。

（6）構(gòu)建漢英對(duì)應(yīng)的辭典庫(kù)。在建立英漢/漢英語(yǔ)料庫(kù)的同時(shí)，建立一個(gè)漢英對(duì)應(yīng)的數(shù)據(jù)庫(kù)，作為語(yǔ)料庫(kù)機(jī)助翻譯時(shí)的一個(gè)輔助系統(tǒng)。

2.1.2 英漢機(jī)助翻譯系統(tǒng)

交大外院的翻譯平臺(tái)以自主研發(fā)的海量英漢語(yǔ)料庫(kù)為基礎(chǔ)，以真實(shí)語(yǔ)境為翻譯核心，采用基于語(yǔ)塊匹配的翻譯原理，以此實(shí)現(xiàn)最準(zhǔn)確的語(yǔ)義翻譯狀態(tài)。同時(shí)，根據(jù)已建成和即將建成的行業(yè)專用語(yǔ)料庫(kù)，開(kāi)發(fā)出更適合具體行業(yè)應(yīng)用的翻譯軟件。

本系統(tǒng)是實(shí)現(xiàn)英漢互譯過(guò)程中極其重要一項(xiàng)，目的在于向使用者提供一種方便、準(zhǔn)確、具有親和性的在線英漢互譯應(yīng)用服務(wù)。

（1）檢索、匹配模塊。本系統(tǒng)的關(guān)鍵在于建立一個(gè)智能化的語(yǔ)料庫(kù)翻譯檢索模塊。通過(guò)系統(tǒng)中的語(yǔ)塊計(jì)算與提取、雙語(yǔ)文本語(yǔ)塊模糊與精確匹配等技術(shù)，將需要翻譯的源語(yǔ)言與核心數(shù)據(jù)庫(kù)中積累的大量而真實(shí)的且經(jīng)過(guò)標(biāo)注處理的雙語(yǔ)語(yǔ)料在語(yǔ)塊、句子等層面進(jìn)行匹配，找出一系列匹配性佳的雙語(yǔ)語(yǔ)句。一般做到提供5句最適匹配狀態(tài)的譯文語(yǔ)句，供譯者根據(jù)個(gè)人文風(fēng)選擇。

（2）翻譯編輯模塊?；跈z索、匹配模塊，以語(yǔ)塊為主從語(yǔ)料庫(kù)中匹配出需翻譯語(yǔ)句的參考句，作為翻譯編輯的基礎(chǔ)；并且智能化地提供相應(yīng)參考句的評(píng)價(jià)信息（如語(yǔ)言質(zhì)量評(píng)價(jià)A、B、C三級(jí)和引用率），需要時(shí)提供參考句所處的段落語(yǔ)境。本模塊以匹配性最適的語(yǔ)句作為譯句的翻譯參考句，譯者也可以根據(jù)自己文風(fēng)偏好選擇其他匹配的語(yǔ)句作為譯句的翻譯參考句。有助于譯者對(duì)機(jī)譯文本進(jìn)行科學(xué)、合理的修飾、完善。在此基礎(chǔ)上，再輔以一定的常用的機(jī)助翻譯技術(shù)和漢英雙語(yǔ)專業(yè)科技詞典庫(kù)，向譯者提供可靠的翻譯文本。

（3）終端顯示模塊。顯示模塊核心主要有源文本輸入窗口、參考語(yǔ)句窗口、譯文編輯輸出窗口。在整個(gè)窗口操作過(guò)程中，所有操作盡可能由鼠標(biāo)來(lái)完成，減少人工輸入的時(shí)間。

2.1.3 語(yǔ)言能力測(cè)試系統(tǒng)

該系統(tǒng)根據(jù)建成的語(yǔ)料庫(kù)，采用外院自主研發(fā)的語(yǔ)言測(cè)試系統(tǒng)，對(duì)語(yǔ)言學(xué)習(xí)者的語(yǔ)言水平進(jìn)行能力測(cè)試，并根據(jù)測(cè)試結(jié)果推薦其學(xué)習(xí)與能力相適應(yīng)的課程。

歐洲共同語(yǔ)言能力分級(jí)（A1入門級(jí) A2基礎(chǔ)級(jí) B1進(jìn)階級(jí) B2高階級(jí) C1流利級(jí) C2精通級(jí)）為基礎(chǔ)，劃分語(yǔ)言學(xué)習(xí)者的能力等級(jí)。

2.1.4 語(yǔ)篇模式教學(xué)系統(tǒng)

這也是本項(xiàng)目的其中一大特色。我們將根據(jù)交大外院教師豐富的教學(xué)經(jīng)驗(yàn)，結(jié)合翻譯平臺(tái)系統(tǒng)的建設(shè)，為公眾提供一種創(chuàng)新性的基于真實(shí)語(yǔ)境的語(yǔ)言教學(xué)方式，并提供可量化的教學(xué)評(píng)估，向?qū)嵶C教學(xué)模式轉(zhuǎn)變。本系統(tǒng)由四大模塊構(gòu)成。

（1）語(yǔ)篇分析模塊。基于建成的海量語(yǔ)料庫(kù)，通過(guò)文本分析與數(shù)據(jù)檢索技術(shù)，對(duì)語(yǔ)篇進(jìn)行引言、研究方法、數(shù)據(jù)結(jié)果、討論等方面的分析。系統(tǒng)設(shè)定有最適語(yǔ)篇教學(xué)長(zhǎng)度，也可自行選定語(yǔ)篇長(zhǎng)度。

（2）常用句子結(jié)構(gòu)分析模塊。基于頻數(shù)和概率分析技術(shù)對(duì)句子結(jié)構(gòu)分析，歸類出生活中或具體行業(yè)中常用的文獻(xiàn)句子結(jié)構(gòu)，顯示對(duì)應(yīng)語(yǔ)料庫(kù)中的語(yǔ)篇，從而給英語(yǔ)的寫作與翻譯學(xué)習(xí)給出指導(dǎo)。

（3）常用詞組、搭配模塊?；陬l數(shù)和概率分析技術(shù)，提取雙語(yǔ)語(yǔ)料庫(kù)的常用詞組及其搭配進(jìn)行分析、練習(xí)，掌握生活中或具體行業(yè)中常用詞組搭配習(xí)慣和技巧。

（4）自我練習(xí)翻譯模塊。在本模塊中，學(xué)生可自行選定需要練習(xí)的內(nèi)容，將練習(xí)譯文與語(yǔ)料庫(kù)范文對(duì)比。本模塊基于雙語(yǔ)文本語(yǔ)塊模糊與精確匹配技術(shù)，通過(guò)句式模板對(duì)比、同義詞對(duì)比、語(yǔ)義相似度對(duì)比，對(duì)用戶自我翻譯質(zhì)量提出評(píng)價(jià)以及相應(yīng)的建議。

2.2 技術(shù)創(chuàng)新特色

本項(xiàng)目的核心創(chuàng)新點(diǎn)主要體現(xiàn)在如下幾個(gè)方面：

（1）基于真實(shí)語(yǔ)言應(yīng)用的翻譯研究和開(kāi)發(fā)。本研究有別于傳統(tǒng)的基于理論模型的翻譯模式。傳統(tǒng)的機(jī)助翻譯研究往往從某個(gè)理論模型出發(fā)，脫離真實(shí)語(yǔ)言應(yīng)用；理想的模型在真實(shí)文本面前往往捉襟見(jiàn)肘。而基于真實(shí)語(yǔ)言使用語(yǔ)料的翻譯研究則需要多種復(fù)雜的技術(shù)。

（2）采用基于頻數(shù)和概率的計(jì)算機(jī)智能分析方法。語(yǔ)言經(jīng)常表達(dá)的意義、經(jīng)常使用的語(yǔ)言形式和實(shí)現(xiàn)的功能是最核心的內(nèi)容，是翻譯研究的重點(diǎn)，基于頻數(shù)和概率的方法較為有效地解決有關(guān)的翻譯問(wèn)題，而基于規(guī)則的傳統(tǒng)翻譯模式卻無(wú)法實(shí)現(xiàn)。

（3）以語(yǔ)塊為基本翻譯單位的機(jī)助翻譯。在真實(shí)的語(yǔ)言中，語(yǔ)塊是一個(gè)具有一定意義的翻譯單位，能準(zhǔn)確表達(dá)其在文本中的含義。基于語(yǔ)塊匹配的機(jī)助翻譯，可以實(shí)現(xiàn)最準(zhǔn)確的語(yǔ)義翻譯狀態(tài)。傳統(tǒng)的機(jī)助翻譯主要基于單個(gè)詞，這在文本使用中意義容易發(fā)生改變，產(chǎn)生歧義。而目前國(guó)外所開(kāi)發(fā)的機(jī)助翻譯軟件一般均以單個(gè)句子為翻譯單位，翻譯過(guò)程中出現(xiàn)較為常見(jiàn)的翻譯匹配缺失現(xiàn)象。

英漢互譯平臺(tái)及行業(yè)專用翻譯軟件的表現(xiàn)形式的特色和創(chuàng)新體現(xiàn)在如下幾個(gè)方面：

（1）界面表現(xiàn)形式創(chuàng)新，有助于使用者應(yīng)用。傳統(tǒng)的在線翻譯界面或翻譯軟件主要有兩個(gè)窗口：文本輸入窗口和文本輸出窗口。本項(xiàng)目除輸入、輸出窗口外，開(kāi)設(shè)了基于語(yǔ)料庫(kù)的具有多重選擇的參考語(yǔ)句的窗口，可提供5句（種）具有最適匹配狀態(tài)的譯文語(yǔ)句，供譯者選擇。該窗口還可實(shí)現(xiàn)調(diào)用語(yǔ)句所處語(yǔ)料文本的功能，提供語(yǔ)段的語(yǔ)言環(huán)境；幫助在輸出窗口實(shí)現(xiàn)翻譯編輯。

（2）建立語(yǔ)料文本的語(yǔ)言質(zhì)量評(píng)價(jià)和引用率系統(tǒng)。向譯者提供參考語(yǔ)句語(yǔ)言質(zhì)量評(píng)價(jià)和使用信息，幫助譯者合理地選擇翻譯的參考語(yǔ)句，提高翻譯文本的翻譯質(zhì)量；同時(shí)為翻譯教學(xué)提供一種可評(píng)價(jià)的依據(jù)。在語(yǔ)料選用時(shí)即根據(jù)語(yǔ)義翻譯的要求，按照譯文質(zhì)量確定選用語(yǔ)料的等級(jí)（一般為A、B、C三級(jí)）。

（3）簡(jiǎn)便操作系統(tǒng)。為提高翻譯者的工作效率，本系統(tǒng)著眼于盡量減少使用者鍵盤輸入的繁瑣操作，整個(gè)文本的機(jī)助翻譯過(guò)程只需鼠標(biāo)輕松操作即可。

3 綜述

語(yǔ)料庫(kù)的建設(shè)是基于真實(shí)語(yǔ)境的，因此，以語(yǔ)料庫(kù)為基礎(chǔ)建立的語(yǔ)言服務(wù)平臺(tái)包含的內(nèi)容也是基于真實(shí)語(yǔ)境的，這將對(duì)機(jī)助翻譯、語(yǔ)言學(xué)習(xí)、語(yǔ)言測(cè)試、語(yǔ)言教學(xué)起到良好的促進(jìn)作用。

參考文獻(xiàn)

[1] 賀宏志，陳鵬.語(yǔ)言產(chǎn)業(yè)導(dǎo)論[M].北京：首都師范大學(xué)出版社，2012.

[2] 傅榮.《歐洲語(yǔ)言共同參考框架：學(xué)習(xí)、教學(xué)、評(píng)估》述評(píng)[J].國(guó)際漢語(yǔ)教學(xué)動(dòng)態(tài)與研究，2008（4）.

[3] 梁茂成，李文中，許家金.語(yǔ)料庫(kù)應(yīng)用教程[M].北京：外語(yǔ)教學(xué)與研究出版社，2011.

[4] 胡開(kāi)寶.語(yǔ)料庫(kù)翻譯學(xué)概論[M].上海：上海交通大學(xué)出版社，2011.