袁博 馮倩 馬晶 郭龐娜 郭夢(mèng)遙

摘要：在全球傳染病呈上升趨勢(shì)的背景下，國(guó)際間傳染病領(lǐng)域的合作與研究顯得尤為重要。但有關(guān)傳染病學(xué)的語(yǔ)料庫(kù)的建設(shè)及研究在我國(guó)才剛剛起步。因此，本研究旨在豐富傳染病學(xué)雙語(yǔ)語(yǔ)料庫(kù)存在的空白，同時(shí)該庫(kù)也對(duì)“語(yǔ)言+醫(yī)學(xué)”的教學(xué)方向起到了輔助作用。本文主要通過傳染病學(xué)英漢雙語(yǔ)平行語(yǔ)料庫(kù)建庫(kù)基礎(chǔ)與研究背景、建庫(kù)過程、建庫(kù)意義及應(yīng)用、結(jié)語(yǔ)四方面來(lái)展開討論。

關(guān)鍵詞：平行語(yǔ)料庫(kù)建設(shè);傳染病;醫(yī)學(xué)英語(yǔ)

分類號(hào)：G623.31

1.建庫(kù)基礎(chǔ)與研究背景

近年來(lái)，全球傳染病呈上升趨勢(shì)。2020年初，我國(guó)迎來(lái)了一項(xiàng)巨大的傳染病挑戰(zhàn)，2019-nCov病毒導(dǎo)致的新型冠狀病毒肺炎在武漢迅速爆發(fā)并蔓延至全國(guó)乃至其他國(guó)家。此外，近些年爆發(fā)的由SARS、MERS和埃博拉病毒引起的傳染病也極大的危害了人們的健康。因此，國(guó)際間的傳染病防控與研究就顯得尤為重要。傳染病學(xué)平行語(yǔ)料庫(kù)在醫(yī)學(xué)相關(guān)領(lǐng)域的科學(xué)研究及教學(xué)中可以起到重要作用。

通過語(yǔ)料庫(kù)進(jìn)行語(yǔ)言研究的方式得到了國(guó)際社會(huì)的廣泛認(rèn)可。語(yǔ)料庫(kù)已逐漸運(yùn)用于學(xué)科教學(xué)及語(yǔ)言教學(xué)等多個(gè)領(lǐng)域。語(yǔ)料庫(kù)主要指經(jīng)科學(xué)取樣和加工的大規(guī)模電子文本庫(kù)，借助語(yǔ)料分析工具，研究者能夠開展相關(guān)的語(yǔ)言理論及語(yǔ)言應(yīng)用研究。同時(shí)，語(yǔ)料庫(kù)的類型也多種多樣，根據(jù)不同的研究目的， 語(yǔ)料庫(kù)可以劃分為通用語(yǔ)料庫(kù)和專用語(yǔ)料庫(kù)。通用語(yǔ)料庫(kù)主要針對(duì)一般性語(yǔ)料庫(kù)研究，例如：人民日?qǐng)?bào)分詞語(yǔ)料庫(kù)（NEPD）、英國(guó)國(guó)家語(yǔ)料庫(kù)（BNC）等;而專用語(yǔ)料庫(kù)則是針對(duì)某一特定專業(yè)領(lǐng)域的語(yǔ)言的研究，例如：中國(guó)傳媒大學(xué)的媒體語(yǔ)言語(yǔ)料庫(kù)（MLC）和本研究涉及的傳染病學(xué)語(yǔ)料庫(kù)等。按照語(yǔ)料的語(yǔ)種，語(yǔ)料庫(kù)也可以分成單語(yǔ)語(yǔ)料庫(kù)、雙語(yǔ)語(yǔ)料庫(kù)和多語(yǔ)語(yǔ)料庫(kù)。按照語(yǔ)料的組織形式，雙語(yǔ)語(yǔ)料庫(kù)可分為平行語(yǔ)料庫(kù)和可比語(yǔ)料庫(kù)，前者是指原文文本及其平行對(duì)應(yīng)的譯語(yǔ)文本構(gòu)成的雙語(yǔ)語(yǔ)料庫(kù)，相互間存在“翻譯關(guān)系”;后者收集的文本是由不同語(yǔ)言的文本或同一種語(yǔ)言不同變體的文本所構(gòu)成的兩個(gè)或兩個(gè)以上的語(yǔ)料庫(kù)。針對(duì)同一主題，如學(xué)習(xí)者產(chǎn)出的語(yǔ)言與本族語(yǔ)者產(chǎn)生的語(yǔ)言，但相互之間不存在直接的“翻譯關(guān)系”。其中雙語(yǔ)平行語(yǔ)料庫(kù)是探索同一內(nèi)容如何用兩種語(yǔ)言表達(dá)的語(yǔ)料庫(kù)，它是一種能將源語(yǔ)言文本和其譯語(yǔ)文本進(jìn)行全文檢索并對(duì)照顯示的語(yǔ)料庫(kù)，可用于譯文比較、翻譯教學(xué)等多個(gè)領(lǐng)域。

本研究基于國(guó)內(nèi)外權(quán)威醫(yī)學(xué)網(wǎng)站和圖書資源， 經(jīng)過整合編輯處理，旨在建立一個(gè)適應(yīng)傳染病學(xué)研究和醫(yī)學(xué)英語(yǔ)及翻譯教學(xué)需求的傳染病學(xué)英漢雙語(yǔ)平行語(yǔ)料庫(kù)。

2.傳染病學(xué)英漢雙語(yǔ)平行語(yǔ)料庫(kù)的建設(shè)意義

2.1語(yǔ)料庫(kù)與翻譯研究

語(yǔ)料庫(kù)在翻譯領(lǐng)域的應(yīng)用程度不言而喻，傳染病學(xué)英漢雙語(yǔ)平行語(yǔ)料庫(kù)的建成會(huì)方便譯員進(jìn)行傳染病學(xué)對(duì)語(yǔ)言會(huì)議的譯前準(zhǔn)備工作，同時(shí)也會(huì)對(duì)有關(guān)醫(yī)學(xué)文獻(xiàn)和新聞的筆譯工作者提供相當(dāng)程度的便利。此外，在翻譯研究領(lǐng)域，本庫(kù)也能夠滿足譯員“語(yǔ)言+專業(yè)背景”的現(xiàn)實(shí)需求，準(zhǔn)譯員對(duì)專業(yè)雙語(yǔ)語(yǔ)料庫(kù)的大量輸入， 其專業(yè)語(yǔ)言的轉(zhuǎn)換意識(shí)也會(huì)得到質(zhì)的飛躍，成為具有扎實(shí)專業(yè)背景的翻譯技術(shù)人才，以適應(yīng)未來(lái)的專業(yè)翻譯環(huán)境。

2.2語(yǔ)料庫(kù)與教學(xué)

在北華大學(xué)，醫(yī)學(xué)英語(yǔ)的教學(xué)及MBBS培訓(xùn)得到了醫(yī)學(xué)院老師們的重視。傳染病學(xué)英漢雙語(yǔ)平行語(yǔ)料庫(kù)為原始的課堂提供了新的教學(xué)方向?；谡鎸?shí)應(yīng)用場(chǎng)景而產(chǎn)生的語(yǔ)料庫(kù)，為醫(yī)學(xué)英語(yǔ)教學(xué)提供了切實(shí)可行的語(yǔ)言事實(shí)。并在一定程度上能夠?qū)魅静W(xué)教材的編寫起到輔助作用。

近年來(lái)ESP（專門用途英語(yǔ)）課程改革正在一步一步地推進(jìn)中，教師可通過本庫(kù)創(chuàng)新傳染病學(xué)科英語(yǔ)的詞匯課和寫作課教學(xué)模式，以詞為“點(diǎn)”進(jìn)行檢索，展開語(yǔ)“面”，根據(jù)詞頻使用和搭配頻率，拓展相關(guān)詞匯和表達(dá)，也能作為診斷式語(yǔ)言教學(xué)提供系統(tǒng)而準(zhǔn)確的依據(jù)，為專用英語(yǔ)教學(xué)課堂提供新的路徑。ESP課程教學(xué)借助語(yǔ)料庫(kù)的功能，通過工具的索引、詞表和搭配查詢?nèi)蠡竟δ埽詳?shù)據(jù)支撐的形式提供給學(xué)生具有代表性、針對(duì)性的教學(xué)素材。

3.語(yǔ)料庫(kù)的建設(shè)過程

傳染病學(xué)英漢雙語(yǔ)平行語(yǔ)料庫(kù)的建設(shè)總原則是建立一個(gè)能夠比較全面反映傳染病學(xué)英漢雙語(yǔ)語(yǔ)言事實(shí)的語(yǔ)料庫(kù)。因此，本語(yǔ)料庫(kù)建庫(kù)過程分為以下三個(gè)步驟：選擇語(yǔ)料、采集加工語(yǔ)料、語(yǔ)料勘誤及檢索語(yǔ)料、最后將加工好的語(yǔ)料導(dǎo)入以形成語(yǔ)料庫(kù)。

3.1選擇語(yǔ)料

在建設(shè)的前期要充分考慮語(yǔ)料庫(kù)的抽樣原則，即什么樣的語(yǔ)料方為有效語(yǔ)料。此外還要考慮到如何保證樣本分布均衡，要兼顧文體特點(diǎn)、時(shí)間跨度、語(yǔ)料屬性是否全面等問題， 從而使該語(yǔ)料庫(kù)盡可能具有代表性和可用性。[2] 語(yǔ)料也要有合理的數(shù)量比例， 要如實(shí)反映近年來(lái)傳染病領(lǐng)域英語(yǔ)的橫向和縱向發(fā)展趨勢(shì)。[3]所以，選擇語(yǔ)料是決定一個(gè)語(yǔ)料庫(kù)是否有意義，建成后能否達(dá)到預(yù)期應(yīng)用方向的根本步驟。

因此，語(yǔ)料的選擇范圍被鎖定在包括國(guó)內(nèi)外醫(yī)學(xué)科技類網(wǎng)站、WHO官網(wǎng)、國(guó)外傳染病學(xué)期刊（如：《柳葉刀》（LANCET）、《傳染病》（Infectious Diseases）等）、國(guó)內(nèi)外傳染病學(xué)專業(yè)書目（如：《醫(yī)院感染學(xué)》、《傳染病百科全書》（Encyclopedia of Infectious Diseases）、《傳染病學(xué)原理與實(shí)踐》（Principles and Practice of Infectious Diseases）等）以及高校醫(yī)學(xué)專業(yè)部分教材在內(nèi)的專業(yè)資料。本研究選取的語(yǔ)料來(lái)源均為醫(yī)學(xué)學(xué)科的重要文獻(xiàn)和資料，語(yǔ)料來(lái)源經(jīng)過學(xué)界專家編輯校正，可確保準(zhǔn)確無(wú)誤、專業(yè)性強(qiáng)。

3.2采集加工語(yǔ)料

（1）語(yǔ)料的采集與降噪

在采集語(yǔ)料的過程中會(huì)遇到一些難以提取處理的語(yǔ)料來(lái)源，對(duì)于不同的語(yǔ)料來(lái)源，本研究也采用了不同的提取方式。

對(duì)于來(lái)源為紙質(zhì)材料的語(yǔ)料（下稱紙質(zhì)語(yǔ)料），先掃描所有紙質(zhì)材料為PDF格式，然后將其轉(zhuǎn)化為可編輯的TXT文檔。對(duì)于紙質(zhì)語(yǔ)料，文檔的可編輯轉(zhuǎn)化只能通過OCR進(jìn)行識(shí)別，但此方法適用于文本較少，頁(yè)面較小的語(yǔ)料來(lái)源，因?yàn)镺CR識(shí)別需要依賴于手機(jī)或電腦等電子設(shè)備，受屏幕大小的限制，導(dǎo)致OCR的識(shí)別區(qū)域有限、識(shí)別的清晰度閾值較大。除上述限制，紙質(zhì)語(yǔ)料還存在一個(gè)弊端，就是要保證掃描清晰度可使識(shí)別工具閱讀，得到足夠清晰的PDF是后續(xù)步驟開展的關(guān)鍵。

相較于紙質(zhì)語(yǔ)料，來(lái)自于PDF格式或Word文檔的語(yǔ)料可以直接采用文檔轉(zhuǎn)換進(jìn)行采集，一種是通過文檔轉(zhuǎn)換器轉(zhuǎn)化，然后經(jīng)過人工降噪，即對(duì)轉(zhuǎn)化后的Word文本進(jìn)行再加工，刪除其中存在的背景、圖表、空行和附錄等對(duì)語(yǔ)料庫(kù)意義不大的內(nèi)容，使文本內(nèi)容更加規(guī)范，格式保持一致。此方式比紙質(zhì)語(yǔ)料采集容易很多，也會(huì)大大提高語(yǔ)料的采集效率，但也偶然存在亂碼和信息缺失等情況。

因此，本研究采用了上述兩種方式結(jié)合的方法進(jìn)行語(yǔ)料采集，保證了兩者的互補(bǔ)性，也使得語(yǔ)料來(lái)源具有豐富性，更加符合建庫(kù)原則。

（2）語(yǔ)料的對(duì)齊與賦碼

在語(yǔ)料的加工處理過程中，對(duì)齊與賦碼是決定語(yǔ)料在具體應(yīng)用中能否呈現(xiàn)語(yǔ)言事實(shí)的關(guān)鍵。對(duì)齊后的語(yǔ)料擁有更強(qiáng)的直觀性，在實(shí)際應(yīng)用中會(huì)達(dá)到事半功倍的效果。

筆者項(xiàng)目組先后試用Trados，ABBYYAligner和雪人CAT進(jìn)行雙語(yǔ)對(duì)齊處理，但效果均不盡人意。經(jīng)過多方比較，最終采取“Transmate+Xbench”模式，雖然處理方法較為繁瑣，但處理質(zhì)量高、效果好。

首先，將采集到的“生語(yǔ)料”導(dǎo)入Transmate進(jìn)行自動(dòng)對(duì)齊。但計(jì)算機(jī)的自動(dòng)識(shí)別會(huì)存在無(wú)法避免的錯(cuò)誤及亂碼情況，這時(shí)就需要將自動(dòng)識(shí)別出現(xiàn)的竄行以及語(yǔ)義緊密段的錯(cuò)誤合并和分離等情況進(jìn)行人工干預(yù)，經(jīng)過手動(dòng)處理的語(yǔ)料得到了進(jìn)一步的美化，符合了對(duì)齊的標(biāo)準(zhǔn)。再將全部處理好的語(yǔ)料導(dǎo)出為tmx格式，然后用Xbench將tmx格式的語(yǔ)料轉(zhuǎn)碼為txt格式，然后按語(yǔ)料的分類建立文件夾分別保存。

對(duì)齊之后就要對(duì)語(yǔ)料賦碼，賦碼后的語(yǔ)料擁有了更多的語(yǔ)言信息，更廣的應(yīng)用范圍和更高的使用價(jià)值。賦碼語(yǔ)料庫(kù)主要有三種賦碼形式：詞性碼、語(yǔ)法碼和句法碼。本研究主要賦予詞性碼，并采用學(xué)屆上接受度較高，實(shí)際應(yīng)用效果好的Treetagger軟件進(jìn)行賦碼。賦碼后的語(yǔ)料由“生語(yǔ)料”變成了“熟語(yǔ)料”（也稱賦碼語(yǔ)料），熟語(yǔ)料可以通過Keywords Plus等軟件進(jìn)行語(yǔ)料分析等方向。

3.3語(yǔ)料刪重及語(yǔ)料檢索

借助Ultraedit和Editplus文本處理器對(duì)文本進(jìn)行整理，利用正則表達(dá)刪去重復(fù)語(yǔ)料，再進(jìn)行人工復(fù)核，做好重復(fù)語(yǔ)料的清理工作。至此，得到的熟語(yǔ)料就可以用于檢索，進(jìn)行實(shí)際應(yīng)用。

本研究通過對(duì)比試用BFSU_Paraconc、CUC_Paraconc和SADU_ParaConc三款平行語(yǔ)料庫(kù)檢索軟件，發(fā)現(xiàn)本庫(kù)更加適合后兩者進(jìn)行檢索，其優(yōu)點(diǎn)如下：支持單文檔雙語(yǔ)語(yǔ)料檢索可自動(dòng)識(shí)別雙語(yǔ)保存在單文件中的對(duì)齊形式，支持多種編碼的純文本語(yǔ)料檢索。經(jīng)過試用，本語(yǔ)料庫(kù)可以通過檢索，快速分析單詞使用場(chǎng)景，例如在遇到“epidemic”這個(gè)詞的時(shí)候，通過查詢，可得到圖1，2所示結(jié)果，因篇幅所限，僅列舉部分作為舉例。

4.結(jié)語(yǔ)

在人們開始發(fā)現(xiàn)語(yǔ)料庫(kù)對(duì)語(yǔ)言研究的重要性后，語(yǔ)料庫(kù)研究在中國(guó)已經(jīng)有了很大的進(jìn)步。與此同時(shí)，也難免存在一些問題，比如：語(yǔ)料庫(kù)的重復(fù)性問題、語(yǔ)料庫(kù)共享化問題等依然亟待解決、針對(duì)個(gè)別領(lǐng)域（如醫(yī)學(xué)），國(guó)內(nèi)的語(yǔ)料庫(kù)資源還比較貧乏，在細(xì)化的傳染病領(lǐng)域更是少之又少。因此，如何讓將傳染病學(xué)與語(yǔ)料庫(kù)技術(shù)結(jié)合是本研究重點(diǎn)解決的任務(wù)，也希望本語(yǔ)料庫(kù)的建成能夠滿足翻譯研究和醫(yī)學(xué)英語(yǔ)教學(xué)需要，真正發(fā)揮現(xiàn)實(shí)作用。

參考文獻(xiàn)

[1] Hardie Andrew Lars Borin （ed）. 2002. Parallel corpora， parallel worlds. Selected papers from a symposium on parallel and comparable corpora at Uppsala University， Sweden， 22–23 April， 1999. Languages in Contrast. International Journal for Contrastive Linguistics，2005，5（2）

[2] 王連柱.醫(yī)學(xué)英語(yǔ)語(yǔ)料庫(kù)的建庫(kù)原則探析[J].新鄉(xiāng)學(xué)院學(xué)報(bào)（社會(huì)科學(xué)版），2009，23（04）：131-132.

[3] 章國(guó)英.專門用途醫(yī)學(xué)英語(yǔ)語(yǔ)料庫(kù)構(gòu)建的意義及實(shí)踐[J].中國(guó)醫(yī)學(xué)教育技術(shù)，2014，28（02）：146-149.

[4] 施稱，章國(guó)英.醫(yī)學(xué)英語(yǔ)語(yǔ)料庫(kù)在ESP課程改革中的應(yīng)用[J].西北醫(yī)學(xué)教育，2015，23（01）：129-132.

該文為2019年北華大學(xué)外國(guó)語(yǔ)學(xué)院國(guó)家級(jí)大學(xué)生創(chuàng)新創(chuàng)業(yè)項(xiàng)目 【醫(yī)學(xué)傳染病學(xué)英漢雙語(yǔ)平行語(yǔ)料庫(kù)建設(shè)】（項(xiàng)目號(hào)：201910201024）的階段性研究成果。