張 翔
(防災(zāi)科技學(xué)院,北京)
隨著國(guó)際學(xué)術(shù)交流的擴(kuò)大,科技論文的英語(yǔ)翻譯逐漸引起人們的重視。早在二十世紀(jì)八十年代,全國(guó)信息與文獻(xiàn)標(biāo)準(zhǔn)化技術(shù)委員會(huì)(1987)對(duì)科學(xué)技術(shù)報(bào)告、學(xué)位論文和學(xué)術(shù)論文的編寫(xiě)格式制定了具體要求。其中明確指出,為了國(guó)際交流,文章的標(biāo)題、摘要和關(guān)鍵詞應(yīng)有對(duì)應(yīng)的英文翻譯。目前,國(guó)內(nèi)論文標(biāo)題的英語(yǔ)翻譯研究主要集中于英語(yǔ)語(yǔ)法、文化差異、翻譯技巧、翻譯標(biāo)準(zhǔn)等方面,由負(fù)責(zé)外語(yǔ)教學(xué)或者編輯出版的從業(yè)人員完成(楊根培,2008)。由于科技論文的專(zhuān)業(yè)性強(qiáng),且譯者一般為非英語(yǔ)專(zhuān)業(yè)的科技人員和學(xué)生,他們更加需要了解標(biāo)題翻譯的正規(guī)流程和科學(xué)有效的翻譯方法。因此本文從這個(gè)角度出發(fā),提出基于關(guān)鍵詞的科技論文標(biāo)題的英語(yǔ)翻譯方法。
其核心思想是:以理解標(biāo)題含義為前提,參考關(guān)鍵詞對(duì)標(biāo)題進(jìn)行中文分詞,確定各分詞之間的邏輯關(guān)系后,依據(jù)英語(yǔ)語(yǔ)法和翻譯技巧,借助在線詞典翻譯科技論文標(biāo)題??紤]到作者的專(zhuān)業(yè)背景,本文引證的文獻(xiàn)為電子技術(shù)與信息科學(xué)領(lǐng)域的科技論文,標(biāo)題滿足簡(jiǎn)潔、準(zhǔn)確、規(guī)范的基本要求(劉少華,2008)。
有關(guān)科技論文標(biāo)題英語(yǔ)翻譯的文獻(xiàn)一般以標(biāo)題作為獨(dú)立個(gè)體,單獨(dú)探討其翻譯技巧、翻譯標(biāo)準(zhǔn)(劉益霞,2010),忽視了標(biāo)題與關(guān)鍵詞之間的內(nèi)在聯(lián)系,著重從語(yǔ)法角度研究標(biāo)題的翻譯,沒(méi)有深入考慮標(biāo)題的語(yǔ)義信息。
科技論文的標(biāo)題與關(guān)鍵詞的關(guān)系非常密切。首先,關(guān)鍵詞從標(biāo)題、摘要和正文中提取,是表達(dá)文章主題概念的自然語(yǔ)言詞匯(陳紅娟,2011)。關(guān)鍵詞的主要作用是歸類(lèi)和檢索。例如:論文“僵尸網(wǎng)絡(luò)機(jī)理與防御技術(shù)”,關(guān)鍵詞有“網(wǎng)絡(luò)安全”、“僵尸網(wǎng)絡(luò)”等,把文章歸入了“網(wǎng)絡(luò)安全”類(lèi),結(jié)合其它關(guān)鍵詞檢索,可提高查準(zhǔn)率。
其次,關(guān)鍵詞可幫助譯者辨析近義詞。例如:論文“基于SaaS模式公共服務(wù)平臺(tái)多用戶(hù)數(shù)據(jù)結(jié)構(gòu)的研究”,“數(shù)據(jù)結(jié)構(gòu)”最常見(jiàn)的譯詞為data structure,如圖1所示。但根據(jù)關(guān)鍵詞“多用
圖1 使用cnki翻譯助手翻譯“數(shù)據(jù)結(jié)構(gòu)”的部分顯示結(jié)果
戶(hù)數(shù)據(jù)模型”可知此處應(yīng)譯為data architecture。
最后,關(guān)鍵詞在科技論文標(biāo)題中出現(xiàn)的概率較高。摘選2015年Springer出版的Knowledge and Information Systems期刊中兩篇美國(guó)作者的論文,如下所示:
例1:【標(biāo)題】Transfer learning for Bayesian discovery of multiple Bayesian networks
【作者】Diane Oyen;Terran Lane
【作者單位】1. Los Alamos National Laboratory, Los Alamos, NM, USA 2. Google Inc.,Cambridge, MA, USA
【關(guān)鍵詞】Machine learning; Bayesian networks; Transfer learning
例2:【標(biāo)題】Bounds on the moments for an ensemble of random decision trees
【作者】Amit Dhurandhar
【作者單位】1. IBM T.J. Watson,Yorktown Heights, NY, USA
【關(guān)鍵詞】Bounds; Random decision trees; Moments
例1中,標(biāo)題長(zhǎng)度為9,包含2個(gè)介詞。關(guān)鍵詞個(gè)數(shù)為3。標(biāo)題包含2個(gè)關(guān)鍵詞,關(guān)鍵詞占標(biāo)題實(shí)詞總數(shù)的51%。例2中,標(biāo)題長(zhǎng)度為11,包含3個(gè)介詞和2個(gè)冠詞。關(guān)鍵詞個(gè)數(shù)為3。標(biāo)題包含3個(gè)關(guān)鍵詞,關(guān)鍵詞占標(biāo)題實(shí)詞總數(shù)的83%。
為了更有效地說(shuō)明問(wèn)題,選擇超星百鏈云圖書(shū)館收錄的Knowledge and Information Systems期刊,英文論文共計(jì)1051篇,時(shí)間跨度從1998年至2015年。為保證語(yǔ)言的原汁原味,通過(guò)逐篇篩選,保留官方語(yǔ)言為英語(yǔ)的論文450篇,其中71%的論文是在2006年至2015年期間發(fā)表。分析這些論文的標(biāo)題長(zhǎng)度和關(guān)鍵詞個(gè)數(shù),有以下三點(diǎn)發(fā)現(xiàn):
(1) 80%論文標(biāo)題不超過(guò)10個(gè)單詞;
(2) 95%論文標(biāo)題包含至少一個(gè)介詞或連詞或冠詞;
(3) 60%論文標(biāo)題包含至少兩個(gè)關(guān)鍵詞。
上述數(shù)據(jù)說(shuō)明:近六成該領(lǐng)域科技論文的標(biāo)題主要由關(guān)鍵詞構(gòu)成。因此無(wú)論從專(zhuān)業(yè)角度,還是語(yǔ)言角度,科技論文標(biāo)題的英語(yǔ)翻譯都應(yīng)以關(guān)鍵詞的翻譯為基礎(chǔ)。
國(guó)內(nèi),對(duì)科技論文關(guān)鍵詞的研究存在類(lèi)似觀點(diǎn):盡量在標(biāo)題中使用關(guān)鍵詞。一方面有助于概括論文的基本思想并減少標(biāo)題中的詞語(yǔ)數(shù)量,另一方面可增加論文的被檢次數(shù),從而增加被引次數(shù)(崔鯨濤,2008)。
科技論文的關(guān)鍵詞一般為名詞、動(dòng)名詞和名詞詞組,國(guó)際規(guī)定數(shù)量為3到8個(gè)。關(guān)鍵詞的翻譯可通過(guò)查閱紙質(zhì)專(zhuān)業(yè)詞典或在線專(zhuān)業(yè)詞典,找到對(duì)應(yīng)的英文詞匯。相比紙質(zhì)詞典,在線詞典具有查閱快速、內(nèi)容豐富、更新及時(shí)的特點(diǎn),受到更多青睞。
本文推薦的在線專(zhuān)業(yè)詞典為CNKI(全稱(chēng)China National Knowledge Infrastructure,中國(guó)知識(shí)基礎(chǔ)設(shè)施工程)翻譯助手(http://dict.cnki.net)和OneDict(http://www.onedict.com)。二者的共同點(diǎn)在于都包含多個(gè)學(xué)科的專(zhuān)業(yè)文獻(xiàn),都可按類(lèi)別查看譯詞及例句,并且對(duì)不同譯詞的出現(xiàn)次數(shù)進(jìn)行統(tǒng)計(jì),如圖1、圖2所示。區(qū)別在于:OneDict可同時(shí)查詢(xún)關(guān)鍵詞和上下文詞語(yǔ),有利于更準(zhǔn)確地定位譯詞;CNKI翻譯助手提供更為豐富的例句及其來(lái)源文獻(xiàn),并能在知識(shí)搜索、數(shù)字搜索、學(xué)術(shù)趨勢(shì)等工具中查詢(xún)關(guān)鍵詞,幫助譯者了解更多的相關(guān)專(zhuān)業(yè)知識(shí),但有時(shí)因?yàn)樵诰€用戶(hù)太多而導(dǎo)致速度較慢。
當(dāng)上述專(zhuān)業(yè)詞典查閱失敗時(shí),可使用有道詞典和百度翻譯這兩種綜合類(lèi)翻譯工具,它們也收錄了一些專(zhuān)業(yè)文獻(xiàn)。有道詞典按照網(wǎng)絡(luò)釋義、專(zhuān)業(yè)釋義和權(quán)威詞典分別注釋詞匯,其中專(zhuān)業(yè)釋義的例句按學(xué)科分類(lèi)顯示,來(lái)源于2,447,543篇論文。百度翻譯提供對(duì)詞、短語(yǔ)、句子以及網(wǎng)頁(yè)的翻譯,原文下方提供雙語(yǔ)例句。
因?yàn)椴煌脑诰€翻譯工具收錄的數(shù)據(jù)來(lái)源不同,提供的譯詞數(shù)量也會(huì)不同,有些關(guān)鍵詞會(huì)對(duì)應(yīng)幾個(gè)甚至幾十個(gè)譯詞。
關(guān)鍵詞的翻譯步驟如下:
(1)對(duì)所有譯詞進(jìn)行正誤判斷,排除拼寫(xiě)錯(cuò)誤或語(yǔ)義有誤的譯詞。
以“數(shù)據(jù)結(jié)構(gòu)”為例,CNKI翻譯助手提供30個(gè)譯詞,OneDict提供15個(gè)譯詞。去掉“dada structure”、“teaching method”等錯(cuò)誤詞匯,CNKI翻譯助手剩下18個(gè)譯詞,OneDict剩下8個(gè)譯詞(如圖2所示)。
(2) 分析譯詞的組成成分和出現(xiàn)頻率,確定可選譯詞的范圍。
圖2 使用一本詞典OneDict翻譯“數(shù)據(jù)結(jié)構(gòu)”的部分顯示結(jié)果
將“data structure”、“the data structure”、“a data structure”、“the structure of data”等成分相似的譯詞合并為出現(xiàn)頻率最高的“data structure”,這樣譯詞的可選范圍縮小到7個(gè),分別為“data structure”、“data construction”、“data configuration”、“data frame”、“data framework”、“data architecture”、“data composition”。
(3) 秉持嚴(yán)謹(jǐn)治學(xué)的態(tài)度,多角度對(duì)比各譯詞及其來(lái)源文獻(xiàn),確定最后的譯詞。
例如明確譯詞的含義、適用范圍,比較來(lái)源文獻(xiàn)的發(fā)表時(shí)間、所屬學(xué)科和權(quán)威性等等。這樣不僅可以提高翻譯的質(zhì)量,而且一旦文章被收錄到網(wǎng)絡(luò)數(shù)據(jù)庫(kù)中,可為他人提供準(zhǔn)確的譯文參考。
Hamid將文章標(biāo)題分為三類(lèi):敘述式(declarative)標(biāo)題,將話題與研究成果并現(xiàn);描述式(descriptive)標(biāo)題,只描述話題;疑問(wèn)式(interrogative)標(biāo)題,這類(lèi)標(biāo)題的文章下載量最大,引用量最少(Hamid,2011)。
選取的450篇科技論文中,2篇屬于疑問(wèn)式標(biāo)題,主要因?yàn)镵nowledge and Information Systems是國(guó)際學(xué)術(shù)期刊,不包含科普文獻(xiàn)。相比學(xué)術(shù)文獻(xiàn),科普文獻(xiàn)的標(biāo)題具有一定的文學(xué)性,可通過(guò)修辭格、謎式標(biāo)題、有悖于常理等方式體現(xiàn)(許明武,2010)。根據(jù)標(biāo)題中冒號(hào)的含義(黃戎韁,1994)和論文摘要,判定48篇屬于敘述式標(biāo)題,其余400篇屬于描述式標(biāo)題。限于篇幅,本文側(cè)重闡述描述式標(biāo)題的英語(yǔ)翻譯。不同類(lèi)型的標(biāo)題,區(qū)別僅限于標(biāo)題結(jié)構(gòu)存在差異。
采用比較研究法分析這些英文標(biāo)題,可知描述式標(biāo)題結(jié)構(gòu)分為名詞詞組、動(dòng)名詞詞組、介詞短語(yǔ)以及帶有冒號(hào)或破折號(hào)的兩段式結(jié)構(gòu)。名詞詞組由核心名詞和修飾語(yǔ)構(gòu)成,修飾語(yǔ)包括介詞短語(yǔ)、分詞短語(yǔ)、名詞、形容詞等。動(dòng)名詞詞組是在名詞或名詞詞組的前方加上表示某種操作含義的動(dòng)名詞。介詞短語(yǔ)是在名詞詞組的前方加上介詞,常用介詞為on,表示“關(guān)于……的研究”。帶有冒號(hào)的兩段式結(jié)構(gòu)由冒號(hào)間隔為兩部分組成,這兩部分或者是一個(gè)名詞和一個(gè)名詞詞組,或者是兩種不同的結(jié)構(gòu)(名詞詞組、動(dòng)名詞詞組、介詞短語(yǔ))。
下面以《通信學(xué)報(bào)》期刊2011年發(fā)表的一篇論文為例,說(shuō)明基于關(guān)鍵詞的科技論文標(biāo)題的英語(yǔ)翻譯方法。論文標(biāo)題為“云計(jì)算中基于認(rèn)證數(shù)據(jù)結(jié)構(gòu)的數(shù)據(jù)外包認(rèn)證模型”,關(guān)鍵詞為“云計(jì)算”、“認(rèn)證數(shù)據(jù)結(jié)構(gòu)”、“數(shù)據(jù)外包”和“認(rèn)證跳表”。
具體翻譯步驟如下:
(1) 分析標(biāo)題含義,確定標(biāo)題的類(lèi)型和結(jié)構(gòu)。
“云計(jì)算中”、“基于認(rèn)證數(shù)據(jù)結(jié)構(gòu)的”兩個(gè)詞組修飾“數(shù)據(jù)外包認(rèn)證模型”,因此確定該標(biāo)題為描述式類(lèi)型名詞詞組結(jié)構(gòu)。
(2) 參考關(guān)鍵詞對(duì)中文標(biāo)題分詞,并按實(shí)詞、虛詞分類(lèi)。
標(biāo)題包含的實(shí)詞有“云計(jì)算”、“基于”、“認(rèn)證數(shù)據(jù)結(jié)構(gòu)”、“數(shù)據(jù)外包”、“認(rèn)證”和“模型”;虛詞有“中”和“的”。
(3) 翻譯關(guān)鍵詞。
“云計(jì)算”通過(guò)在線專(zhuān)業(yè)詞典查詢(xún),譯詞唯一,為cloud computing。“數(shù)據(jù)外包”和“認(rèn)證跳表”,在線專(zhuān)業(yè)詞典里沒(méi)有這兩個(gè)詞,使用有道詞典和百度翻譯,確定譯詞分別為database outsourcing和authenticated skip list。“認(rèn)證數(shù)據(jù)結(jié)構(gòu)”在查閱不同的在線翻譯工具時(shí),主要有兩種翻譯authentic data structure和authenticated data structure。authentic基本詞義是真實(shí)的、可信的,對(duì)比分析來(lái)源文獻(xiàn)可知2000年Goodrich等學(xué)者提出了認(rèn)證數(shù)據(jù)結(jié)構(gòu)模型(authenticated data structure model)(陳旭,2008),因此確定譯詞為authenticated data structure。
(4) 除了關(guān)鍵詞以外,翻譯標(biāo)題包含的其它實(shí)詞。
“基于”譯為based on,“認(rèn)證”譯為authentication,“模型”譯為model。
(5) 結(jié)合前面內(nèi)容,依據(jù)英語(yǔ)語(yǔ)法及翻譯技巧,翻譯標(biāo)題整體。
首先,翻譯名詞詞組“數(shù)據(jù)外包認(rèn)證模型”。它是由“數(shù)據(jù)外包”、“認(rèn)證”、“模型”三個(gè)詞組成。其中“模型”是核心名詞,其它兩個(gè)詞是修飾語(yǔ)。以名詞作修飾語(yǔ),簡(jiǎn)稱(chēng)“名詞定語(yǔ)”,強(qiáng)調(diào)內(nèi)容或職能,符合現(xiàn)代英語(yǔ)“以簡(jiǎn)單結(jié)構(gòu)表現(xiàn)復(fù)雜思維”的特色。因此譯為“database outsourcing authentication model”。
其次,翻譯兩個(gè)修飾語(yǔ)詞組?!霸朴?jì)算中”譯為“in cloud computing”,是介詞短語(yǔ)。“基于認(rèn)證數(shù)據(jù)結(jié)構(gòu)的”譯為“based on authenticated data structure”,是分詞短語(yǔ)。
最后,根據(jù)英語(yǔ)語(yǔ)法規(guī)定的修飾語(yǔ)順序,名詞放在分詞短語(yǔ)和介詞短語(yǔ)的前方(張滿勝,2011),確定譯文為“database outsourcing authentication model based on authenticated data structure in cloud computing”。
為了驗(yàn)證人工翻譯和機(jī)器翻譯的差別,在百度翻譯輸入該論文標(biāo)題,得到5段譯文。其中4段存在明顯的語(yǔ)義錯(cuò)誤,最接近的譯文為“Data outsourcing authentication model based on authentication data structure in cloud computing”,正確程度達(dá)到91.6%。只有“認(rèn)證數(shù)據(jù)結(jié)構(gòu)”的“認(rèn)證”被錯(cuò)譯,由此推測(cè)百度翻譯的數(shù)據(jù)庫(kù)沒(méi)有收錄“認(rèn)證數(shù)據(jù)結(jié)構(gòu)”這個(gè)詞,因此將其分成了“認(rèn)證”和“數(shù)據(jù)結(jié)構(gòu)”兩個(gè)詞,“認(rèn)證”作為名詞定語(yǔ),翻譯為authentication。
上述實(shí)例也反映了在線翻譯工具存在的兩個(gè)普遍問(wèn)題:
(1) 專(zhuān)業(yè)詞匯翻譯能力較弱。一方面因?yàn)閷?zhuān)業(yè)詞匯收錄不夠全面,另一方面因?yàn)椴糠质珍浶畔㈠e(cuò)誤。
(2) 語(yǔ)義分析能力較弱。無(wú)法正確解讀原文中的詞匯關(guān)系,有時(shí)甚至出現(xiàn)語(yǔ)法錯(cuò)誤。
科技論文標(biāo)題的翻譯難點(diǎn)在于譯者的專(zhuān)業(yè)水平和外語(yǔ)水平往往不處于同一高度。本文闡述的翻譯方法主要用于幫助專(zhuān)業(yè)人員在具備一定英語(yǔ)基礎(chǔ)知識(shí)的前提下,如何有效利用在線翻譯工具輔助完成科技論文標(biāo)題的翻譯,忠實(shí)、流暢地表達(dá)原文思想。該方法不僅適用于電子技術(shù)與信息科學(xué)領(lǐng)域,也適用于其它專(zhuān)業(yè)領(lǐng)域。