李葆衛(wèi)

（西藏民族大學(xué)外語(yǔ)學(xué)院 陜西咸陽(yáng) 712082）

“中國(guó)政府西藏白皮書”漢英平行語(yǔ)料庫(kù)的建設(shè)及應(yīng)用研究

李葆衛(wèi)

（西藏民族大學(xué)外語(yǔ)學(xué)院 陜西咸陽(yáng) 712082）

“中國(guó)政府西藏白皮書”漢英平行語(yǔ)料庫(kù)是以迄今為止中國(guó)政府發(fā)布的12部涉藏白皮書的漢英文本為語(yǔ)料構(gòu)建的平行語(yǔ)料庫(kù)，主要為西藏各級(jí)政府的對(duì)外宣傳，高校涉藏翻譯教學(xué)，翻譯軟件的開發(fā)及大型涉藏漢英平行語(yǔ)料庫(kù)的建設(shè)服務(wù)，因此具有重大的應(yīng)用前景。

西藏白皮書；漢英平行語(yǔ)料庫(kù)；文本對(duì)齊

一、前 言

語(yǔ)料庫(kù)是一個(gè)按照一定的采樣標(biāo)準(zhǔn)采集而來(lái)的、代表一種語(yǔ)言或者某語(yǔ)言的一種變體或文類的電子文本集。近些年來(lái)，語(yǔ)料庫(kù)的建設(shè)與研究發(fā)展迅速，其中平行語(yǔ)料庫(kù)的建設(shè)引起了更多學(xué)者的關(guān)注。雙語(yǔ)平行語(yǔ)料庫(kù)中的語(yǔ)料來(lái)自兩種語(yǔ)言，它們互相對(duì)應(yīng)，一種語(yǔ)言是另一種語(yǔ)言的譯文。目前，因?yàn)榇蠖鄶?shù)雙語(yǔ)平行語(yǔ)料庫(kù)都做到了句子間對(duì)齊，所以雙語(yǔ)平行語(yǔ)料庫(kù)對(duì)人工翻譯研究和機(jī)器翻譯研究具有重要的意義。[1]

白皮書是一個(gè)國(guó)家政府對(duì)重要的問題正式發(fā)表的官方文件，也是得到國(guó)際公認(rèn)的正式政府文件，因其慣用白色封面裝幀，所以又稱“白皮書”。白皮書具有立場(chǎng)鮮明，行文規(guī)范，語(yǔ)言簡(jiǎn)練的特點(diǎn)。自1991年發(fā)布第一部白皮書，截至2015年9月底，中國(guó)政府已發(fā)表了98部白皮書，[2]內(nèi)容涉及政治、經(jīng)濟(jì)、文化、人權(quán)、國(guó)防以及民族政策等方面。這些白皮書全面、準(zhǔn)確地介紹中國(guó)政府在上述重大問題上的原則、立場(chǎng)、政策、主張和取得的進(jìn)步，因此受到了國(guó)際社會(huì)的廣泛關(guān)注，成為研究中國(guó)政府政策的主要情報(bào)來(lái)源。迄今為止，“中國(guó)政府西藏白皮書”共發(fā)布12部，占全部發(fā)表白皮書的近1/6，反映了中央政府對(duì)西藏自治區(qū)的高度重視。中國(guó)政府白皮書的外文譯本一般由國(guó)務(wù)院新聞辦公室下設(shè)的專門機(jī)構(gòu)負(fù)責(zé)，外文譯本在立場(chǎng)觀點(diǎn)及法律效力上等同于漢語(yǔ)文本，是國(guó)家對(duì)外宣傳的重要手段與方式。

“中國(guó)政府西藏白皮書”漢英平行語(yǔ)料庫(kù)是主要以12部關(guān)于西藏的白皮書的漢語(yǔ)及其對(duì)應(yīng)的英語(yǔ)文本為語(yǔ)料的專用語(yǔ)料庫(kù)，能為西藏自治區(qū)各級(jí)政府部門的對(duì)外宣傳翻譯實(shí)踐提供指導(dǎo)與借鑒，具有維護(hù)國(guó)家原則立場(chǎng)與政治主張準(zhǔn)確；統(tǒng)一的重要作用。目前，以涉藏政府文件為內(nèi)容的專題語(yǔ)料庫(kù)的建設(shè)在我國(guó)及西藏自治區(qū)尚屬空白。因此，在一定程度上本研究填補(bǔ)了涉藏政府文件英漢雙語(yǔ)語(yǔ)料庫(kù)的空白，具有創(chuàng)新性與實(shí)踐性的特點(diǎn)。

二、語(yǔ)料庫(kù)的建設(shè)

（一）設(shè)計(jì)目的

本語(yǔ)料庫(kù)的建設(shè)有以下三個(gè)服務(wù)目標(biāo)與目的：

1、為西藏對(duì)外宣傳服務(wù)

西方對(duì)西藏的報(bào)道“大多是負(fù)面的”。[3]一方面是因?yàn)槲鞣綌硨?duì)勢(shì)力操作輿論對(duì)我國(guó)政府蓄意進(jìn)行歪曲與詆毀；另一方面也是因?yàn)槲覀兊膶?duì)外宣傳做的不足。這要求西藏自治區(qū)各級(jí)地方政府不斷加大對(duì)外宣傳客觀真實(shí)的西藏，不斷宣傳西藏所取得的發(fā)展與成就，以事實(shí)來(lái)回?fù)糌?fù)面輿論。英語(yǔ)作為世界主流媒體語(yǔ)言之一，是對(duì)外宣傳必須使用的語(yǔ)言。但是作為政治敏感度較高的地區(qū)，西藏對(duì)外宣傳的稍微不慎都會(huì)給西方持?jǐn)硨?duì)態(tài)度的反華輿論提供可乘之機(jī)與攻訐的口實(shí)。因此，在對(duì)外宣傳中保證國(guó)家政策、政治立場(chǎng)與觀點(diǎn)的準(zhǔn)確、清晰并與中央保持高度一致是對(duì)外宣傳的基本出發(fā)點(diǎn)。本研究擬建成的“中國(guó)政府西藏白皮書”漢英平行語(yǔ)料庫(kù)就是為對(duì)外宣傳提供可靠保證。它是我國(guó)涉藏官方正式文件漢英文本的匯編，屬于專門用途的單向?qū)?yīng)語(yǔ)料庫(kù)，旨在為西藏自治區(qū)人民政府和西藏自治區(qū)外事僑務(wù)辦公室等對(duì)外宣傳工作提供準(zhǔn)確、規(guī)范、權(quán)威與統(tǒng)一的漢英雙語(yǔ)對(duì)照政策語(yǔ)料。

2、為涉藏翻譯研究以及翻譯教學(xué)實(shí)踐服務(wù)

“中國(guó)政府西藏白皮書”漢英平行語(yǔ)料庫(kù)也可以為西藏自治區(qū)及國(guó)內(nèi)外高校各級(jí)研究機(jī)構(gòu)的涉藏翻譯研究提供翔實(shí)的涉藏政府文件雙語(yǔ)對(duì)照語(yǔ)料。建成后的漢英平行語(yǔ)料庫(kù)則可直接用作翻譯素材，為對(duì)外宣傳的翻譯教學(xué)提供準(zhǔn)確的實(shí)踐與研究實(shí)例。

3、為翻譯軟件的開發(fā)及大型涉藏漢英平行語(yǔ)料庫(kù)的建設(shè)服務(wù)

語(yǔ)料庫(kù)建設(shè)中未標(biāo)注的平行文本將可直接用作翻譯記憶，為CAT翻譯軟件提供涉藏翻譯記憶，從而為以后的涉藏翻譯項(xiàng)目提供支持。涉藏術(shù)語(yǔ)標(biāo)注將為涉藏術(shù)語(yǔ)的收集和識(shí)別提供基礎(chǔ)，為開發(fā)涉藏翻譯軟件提供前期準(zhǔn)備。同時(shí)，本平行語(yǔ)料庫(kù)的研發(fā)將為研制大型涉藏漢英平行語(yǔ)料庫(kù)的建設(shè)提供實(shí)踐機(jī)會(huì)和技術(shù)準(zhǔn)備。

（二）語(yǔ)料庫(kù)構(gòu)成

“中國(guó)政府西藏白皮書”漢英平行語(yǔ)料庫(kù)共收錄12本白皮書及其英語(yǔ)譯文，包括：《西藏的主權(quán)歸屬與人權(quán)狀況》1992、《西藏自治區(qū)人權(quán)事業(yè)新發(fā)展》1998、《西藏文化的發(fā)展》2000、《西藏現(xiàn)代化發(fā)展》2001、《西藏的生態(tài)建設(shè)與環(huán)境保護(hù)》2003、《西藏的民族區(qū)域自治》2004、《西藏文化的保護(hù)與發(fā)展》2008、《西藏民主改革50年》2009、《西藏和平解放60年》2011、《西藏的發(fā)展與進(jìn)步》2013年、《西藏發(fā)展道路的歷史選擇》2015、《民族區(qū)域自治制度在西藏的成功實(shí)踐》2015。

作為專門用途語(yǔ)料庫(kù)，語(yǔ)料選取不遵循通用語(yǔ)料庫(kù)的抽樣原則，而是對(duì)其中的漢英語(yǔ)料進(jìn)行全文收錄。按照一般的平行語(yǔ)料庫(kù)的庫(kù)容計(jì)算方式，英語(yǔ)以詞數(shù)為計(jì)，漢語(yǔ)以字?jǐn)?shù)為計(jì)，該庫(kù)初步設(shè)計(jì)為445774字/詞，結(jié)合英漢字詞比，英語(yǔ)179465詞，漢語(yǔ)266309字。同時(shí)，隨著新的“中國(guó)政府西藏白皮書”的出版發(fā)行，該庫(kù)也將作動(dòng)態(tài)收集并更新，因此庫(kù)容也會(huì)隨研究深入而增加。

（三）語(yǔ)料收集

1、語(yǔ)料來(lái)源

為了保證語(yǔ)料的完整與正確性，所有白皮書的漢語(yǔ)文件與部分英語(yǔ)文件均取自“國(guó)務(wù)院新聞辦公室”網(wǎng)站（www.scio.gov.cn）中“政府白皮書”一欄，部分白皮書的英文版來(lái)自外文出版社正式出版的中國(guó)政府白皮書。

2、存儲(chǔ)格式

鑒于收集到的文本存儲(chǔ)介質(zhì)類別不同，所有文本不管處理與否，都需要留好原始文本的備份，以方便返回檢視。若為紙質(zhì)文本，則需要借助掃描儀掃描并進(jìn)行OCR識(shí)別為Word文本，再轉(zhuǎn)存為UTF-8格式的TXT文本；若為圖片類存儲(chǔ)的PDF文本，則仍需要借助軟件識(shí)別為Word文本，并轉(zhuǎn)為TXT文本；若PDF文本可直接轉(zhuǎn)為Word文本，然后繼續(xù)轉(zhuǎn)為TXT文本；Word文本則同樣直接轉(zhuǎn)為

TXT文本?？傊械恼Z(yǔ)料文本都需要轉(zhuǎn)為UTF-8的TXT純文本格式。

3、文件命名

以字母、數(shù)字和下劃線的編號(hào)方式來(lái)進(jìn)行，原則上力求文件名簡(jiǎn)短明晰，語(yǔ)料統(tǒng)一收錄在同名文件夾“Collection of White Paper by XX”文件夾中，XX為收錄人姓名首字母大寫。在文件夾內(nèi)按各自所負(fù)責(zé)的文件數(shù)量新建子文件夾，分別命名為D1，D2,D3等，D指documents。在子文件夾中以網(wǎng)頁(yè)、word文檔、純文本文檔三種形式保存語(yǔ)料及元信息。因此，假設(shè)語(yǔ)料文本是“《西藏主權(quán)歸屬與人權(quán)狀況》1992”，該文件由LBW收集，則文件編號(hào)為L(zhǎng)BW_N_DW_1992_Ch.txt，其英語(yǔ)翻譯文本則為L(zhǎng)BW_N_DW_1992_En.txt，對(duì)齊后的雙語(yǔ)文本則為L(zhǎng)BW_N_DW_1992_CE.txt，或者以翻譯記憶交換格式存儲(chǔ)的TMX文本。

4、校對(duì)

語(yǔ)料的內(nèi)容及文本格式需要檢查，以確定內(nèi)容完整無(wú)誤，以及是否存在亂碼。校對(duì)文本命名編號(hào)，細(xì)致校對(duì)掃描識(shí)別后的文本。

（四）語(yǔ)料的再加工

1、語(yǔ)料處理

收集完成的語(yǔ)料，利用正則表達(dá)式清潔文本、去除冗余信息。例如，對(duì)文本的空行，段首尾的空白等無(wú)意義的信息進(jìn)行批量清理。

2、文本存儲(chǔ)

在得到清潔文本后，將所有文本復(fù)制為三個(gè)文件夾內(nèi)存儲(chǔ)。第一個(gè)存儲(chǔ)作為原始語(yǔ)料。第二個(gè)用來(lái)標(biāo)示元文本信息。第三個(gè)則用來(lái)進(jìn)行平行語(yǔ)料對(duì)齊。另建一個(gè)Excel表用來(lái)記錄各個(gè)文本的元信息。

3、元信息標(biāo)注

元文本信息包括題目、發(fā)布者、時(shí)間等，使用XML格式進(jìn)行人工標(biāo)注。例如：

〈Metadata〉

〈Title〉Successful Practice of Regional Ethnic Autonomy in Tibet〈/Title〉

〈Language〉EN〈/Language〉

〈Type〉Document〈/Type〉

〈Publisher〉SCIO〈/Publisher〉

〈Publication_Year〉2015〈/Publication_Year〉

〈URL〉http://www.scio.gov.cn/zfbps/32832/Docu? ment/1447091/1447091.htm〈/URL〉

〈Contributor〉Li〈/Contributor〉

〈Proofreader〉Zhou〈/Proofreader〉

〈/Metadata〉

4、語(yǔ)料對(duì)齊

語(yǔ)料之間的平行對(duì)齊是平行語(yǔ)料庫(kù)建設(shè)的核心所在，平行對(duì)齊質(zhì)量的高低直接影響語(yǔ)料庫(kù)質(zhì)量的好壞。Bowker討論了對(duì)齊的單位問題，指出句級(jí)對(duì)齊應(yīng)是雙語(yǔ)平行語(yǔ)料庫(kù)建設(shè)中較為適合的對(duì)齊方式。[4]我們以漢語(yǔ)句子為主進(jìn)行切分，英語(yǔ)譯文句子與漢語(yǔ)對(duì)齊。我們采用ABBYY Aligner軟件進(jìn)行自動(dòng)對(duì)齊，但自動(dòng)對(duì)齊的語(yǔ)料存在諸多錯(cuò)誤，需要各部分負(fù)責(zé)人逐句進(jìn)行人工校對(duì)。對(duì)齊后進(jìn)行校對(duì)。校對(duì)完成后將所有文件保存為兩種格式，一種為翻譯記憶交換格式TMX文件,可以直接用作翻譯記憶；另一種則為帶表格式的純文本文件，用于詞性標(biāo)注。

5、語(yǔ)料標(biāo)注

語(yǔ)料庫(kù)標(biāo)注過程復(fù)雜，全方位標(biāo)注的語(yǔ)料庫(kù)并不常見，大部分語(yǔ)料庫(kù)根據(jù)自身需要和現(xiàn)有的人力軟件等條件有選擇地進(jìn)行標(biāo)注?！爸袊?guó)政府西藏白皮書”漢英平行語(yǔ)料庫(kù)擬對(duì)平行語(yǔ)料中的中英文句子進(jìn)行詞性標(biāo)注。英語(yǔ)句子的詞性標(biāo)注擬使用Go Tagger軟件或CLAWS POS Tagger，漢語(yǔ)分詞及標(biāo)注擬使用ICTCLAS漢語(yǔ)分詞軟件。標(biāo)注完后保存并復(fù)制為兩個(gè)文件夾，其中一個(gè)文件夾內(nèi)文本使用程序?qū)刹糠址蛛x進(jìn)行標(biāo)注的文本重新合并為平行文本，從而成為經(jīng)過詞性標(biāo)注的平行文本。另外一個(gè)文本在經(jīng)過詞性標(biāo)注后，將進(jìn)一步進(jìn)行人工標(biāo)注，對(duì)涉藏術(shù)語(yǔ)進(jìn)行標(biāo)注。詞性標(biāo)注后的文本都將進(jìn)行人工校對(duì)。

6、涉藏術(shù)語(yǔ)提取

“中國(guó)政府西藏白皮書”漢英平行語(yǔ)料庫(kù)擬對(duì)白皮書語(yǔ)料中涉藏專有名詞進(jìn)行提取及語(yǔ)義標(biāo)注，建成動(dòng)態(tài)的漢英單向翻譯術(shù)語(yǔ)庫(kù)，為涉藏漢英術(shù)語(yǔ)翻譯提供參考。涉藏術(shù)語(yǔ)標(biāo)注將確定新的涉藏詞語(yǔ)碼類，對(duì)一些涉藏專名進(jìn)行分類編碼，力求簡(jiǎn)明清晰。結(jié)果依舊需要人工校對(duì)。

（五）語(yǔ)料庫(kù)出版與在線檢索

待詞性標(biāo)注完成后，所形成的未分詞的文本可以作為翻譯記憶用來(lái)進(jìn)行翻譯教學(xué)或翻譯項(xiàng)目工作，而分詞文本與標(biāo)注文本則可通過各類自由的單

語(yǔ)或雙語(yǔ)平行檢索軟件進(jìn)行離線檢索，至此，其語(yǔ)料庫(kù)功能已可以得到發(fā)揮。至于其出版和在線檢索，則需要等各類文本解決完版權(quán)問題后，才可進(jìn)行。

三、語(yǔ)料庫(kù)的運(yùn)用

漢英平行語(yǔ)料庫(kù)的語(yǔ)料由整理好的漢英白皮書文本經(jīng)過保存而構(gòu)成。啟動(dòng)Paraconc，載入語(yǔ)料，就可以開始使用“中國(guó)政府西藏白皮書”漢英平行語(yǔ)料庫(kù)。本語(yǔ)料庫(kù)的主要作用體現(xiàn)在以下三個(gè)方面：

第一，通過檢索關(guān)鍵詞，可以提供準(zhǔn)確、權(quán)威、一致的翻譯實(shí)例。

“民族團(tuán)結(jié)”

例如，“民族團(tuán)結(jié)”、“和平解放”、《十三法典》。

第二，能對(duì)漢譯英、英譯漢雙語(yǔ)搭配等進(jìn)行全面考察。

例如，漢語(yǔ)詞“堅(jiān)持”及其對(duì)應(yīng)英語(yǔ)詞“adhere to”在漢語(yǔ)及英語(yǔ)中的各自搭配。

第三，查詢各類主題，起到政策庫(kù)的作用。

例如，了解國(guó)家對(duì)“民族”的確認(rèn)，對(duì)“西藏教育”的投入等。

由此可見，本語(yǔ)料庫(kù)具有開放性、便捷性、連貫性三大特點(diǎn)：

漢語(yǔ)詞“堅(jiān)持”的搭配

1、開放性。本語(yǔ)料庫(kù)是一個(gè)開放的系統(tǒng)，隨著國(guó)家新的涉藏白皮書的發(fā)表，可以及時(shí)擴(kuò)充語(yǔ)料；2、便捷性。本語(yǔ)料庫(kù)可以迅速地檢查出涉藏專業(yè)

術(shù)語(yǔ)的英文對(duì)應(yīng)詞及該詞所在的句子；3、連貫性。通過檢索專業(yè)術(shù)語(yǔ)可以發(fā)現(xiàn)國(guó)家在重大問題上的一貫表述與立場(chǎng)，也可以了解某個(gè)民生問題的發(fā)展情況。

四、結(jié) 語(yǔ)

“中國(guó)政府西藏白皮書”漢英平行語(yǔ)料庫(kù)是一個(gè)開放的語(yǔ)料庫(kù)，隨時(shí)收入新的涉藏白皮書，以保持最全、最新、最權(quán)威的特點(diǎn)。整個(gè)庫(kù)的建設(shè)通過建立課題小組，吸收對(duì)此有濃厚興趣的研究者加入，同時(shí)也吸納一定的學(xué)生，以增強(qiáng)學(xué)生的動(dòng)手能力?？傊?，詳細(xì)的論證與細(xì)致科學(xué)的分工，為白皮書語(yǔ)料庫(kù)的建設(shè)奠定了堅(jiān)實(shí)的基礎(chǔ)。它將為西藏自治區(qū)的對(duì)外宣傳提供準(zhǔn)確、統(tǒng)一、權(quán)威的指導(dǎo)，并可以服務(wù)于相關(guān)翻譯研究及教學(xué)實(shí)踐，因此具有重大的應(yīng)用前景。

[1]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)教育與研究出版社，2010.

[2]國(guó)務(wù)院新聞辦公室網(wǎng)站www.scio.gov.cn

[3]傳媒在線http://news.xinhuanet.com

[4]Bowker,Lynne.Computer-Aided Translation Technology [M].Ottawa:University of Ottawa Press,2002.

[責(zé)任編輯 劉曉艷]

[校 對(duì) 夏 陽(yáng)]

D635;H315.9

A

1003-8388（2016）05-0141-06

2016-03-16

李葆衛(wèi)（1973-），男，陜西岐山人，現(xiàn)為西藏民族大學(xué)外語(yǔ)學(xué)院講師，博士，主要研究方向?yàn)橥鈬?guó)語(yǔ)言學(xué)及應(yīng)用語(yǔ)言學(xué)。

本文系西藏民族大學(xué)西藏文化傳承發(fā)展協(xié)同創(chuàng)新中心立項(xiàng)課題“‘中國(guó)政府西藏白皮書’漢英平行語(yǔ)料庫(kù)建設(shè)及應(yīng)用研究”（項(xiàng)目號(hào)：XT15003）；西藏民族大學(xué)校內(nèi)科研立項(xiàng)“關(guān)聯(lián)視角:言語(yǔ)幽默分析”(項(xiàng)目號(hào):14myy06)的階段性成果。