戴鈺涵

(西安外國語大學(xué) 絲綢之路語言服務(wù)協(xié)同創(chuàng)新中心，陜西 西安 710128)

為響應(yīng)國務(wù)院2015年發(fā)布的《促進(jìn)大數(shù)據(jù)發(fā)展行動(dòng)綱要》，促進(jìn)語言大數(shù)據(jù)及相關(guān)技術(shù)資源在高校教學(xué)、實(shí)踐、科研等領(lǐng)域的共通共享，全國翻譯專業(yè)學(xué)位研究生教育指導(dǎo)委員會(huì)、中國對外翻譯有限公司及西安外國語大學(xué)、北京外國語大學(xué)、北京語言大學(xué)等二十余所重點(diǎn)高校于2016年共同建立了語言大數(shù)據(jù)聯(lián)盟[1]。并在此基礎(chǔ)上各院校積極探索翻譯與大數(shù)據(jù)的跨界結(jié)合新思路，將大數(shù)據(jù)課程納入本科教學(xué)方案中培養(yǎng)跨學(xué)科復(fù)合型人才，部分院校還構(gòu)建“跨語言大數(shù)據(jù)”實(shí)驗(yàn)室，為我國“一帶一路”的倡議提供技術(shù)支持。而目前各高校已初步完成大數(shù)據(jù)實(shí)驗(yàn)室建設(shè)并開始探索將其應(yīng)用到教學(xué)、科研中，但如何針對本科翻譯專業(yè)學(xué)生開設(shè)跨語言大數(shù)據(jù)課程是課程建設(shè)的一大難題。本文通過分析翻譯專業(yè)學(xué)生特點(diǎn)及跨語言大數(shù)據(jù)課程內(nèi)容，探討翻譯專業(yè)跨語言大數(shù)據(jù)課程開設(shè)思路。

一、跨語言大數(shù)據(jù)及其優(yōu)勢

(一)跨語言大數(shù)據(jù)的內(nèi)涵

大數(shù)據(jù)時(shí)代，全球多個(gè)國家都在以國家戰(zhàn)略開采數(shù)據(jù)價(jià)值，2015年全球大數(shù)據(jù)總收入為384億美元，其中中國市場規(guī)模為767億人民幣，《2015年中國大數(shù)據(jù)交易白皮書》預(yù)測，到2020年我國大數(shù)據(jù)產(chǎn)業(yè)市場規(guī)模將至8228億元，年復(fù)合增速達(dá)到48.5%[2]。

而從目前翻譯行業(yè)的需求來看，以中文為主的數(shù)據(jù)分析模式已經(jīng)無法滿足政府、企業(yè)、學(xué)校對世界范圍內(nèi)信息實(shí)時(shí)獲取與分析的需求，而融合各語種的大數(shù)據(jù)分析還有待開發(fā)；從技術(shù)角度來看，受限于機(jī)器翻譯和大數(shù)據(jù)處理技術(shù)的過高門檻，研究機(jī)構(gòu)尚不具備全球大數(shù)據(jù)分析的能力，因此出現(xiàn)了“跨語言大數(shù)據(jù)”這一概念。

跨語言大數(shù)據(jù)指將抓取到的多語種非結(jié)構(gòu)化開源數(shù)據(jù)通過實(shí)時(shí)機(jī)器翻譯技術(shù)，消除數(shù)據(jù)的語言標(biāo)簽，定量、定性地分析所有數(shù)據(jù)，采用文本分類、關(guān)鍵詞提取、情感分析等自然語言處理技術(shù)提取其時(shí)間、位置、命名實(shí)體、情感等多維度信息，從而為政府提供政策分析、經(jīng)濟(jì)數(shù)據(jù)分析，為企業(yè)提供技術(shù)分析、商情報(bào)告，為個(gè)人提供定制搜索、專題分析等。其精髓在于打破語言的數(shù)據(jù)標(biāo)簽，為用戶提供多維度搜索技術(shù)，而目前百度、谷歌等大型搜索引擎只能提供單一中文、英文語種的處理方式，無法定制化分析多語種資訊。因此在輿情分析領(lǐng)域，跨語言大數(shù)據(jù)有其獨(dú)特優(yōu)勢。

(二)建設(shè)跨語言大數(shù)據(jù)課程的必要性

國務(wù)院總理李克強(qiáng)在2017年政府工作報(bào)告中指出要構(gòu)建系統(tǒng)且全面的“政產(chǎn)學(xué)研用”體系，發(fā)揮政府在協(xié)同創(chuàng)新中的政策引導(dǎo)、監(jiān)督管理作用，以國家戰(zhàn)略的行業(yè)市場需求為導(dǎo)向，挖掘整合并再造政府、行業(yè)、高校、科研機(jī)構(gòu)和用戶等優(yōu)質(zhì)創(chuàng)新要素，實(shí)現(xiàn)教育與經(jīng)濟(jì)、技術(shù)、社會(huì)的深度融合，充分釋放協(xié)同創(chuàng)新效應(yīng)，促進(jìn)經(jīng)濟(jì)社會(huì)發(fā)展[3]。在此基礎(chǔ)上，由高校與企業(yè)合作搭建的語言大數(shù)據(jù)平臺能夠極大地拓寬數(shù)據(jù)獲取途徑、分析維度，實(shí)時(shí)獲取、定向分析多國資訊，為政府政策提供智力支持，助力我國“政產(chǎn)學(xué)研用”發(fā)展。

對于教學(xué)、科研來說，目前大數(shù)據(jù)時(shí)代語言與大數(shù)據(jù)的跨界結(jié)合受到前所未有的關(guān)注?；跈C(jī)器學(xué)習(xí)的翻譯越來越精確而快速，包含多語言海量詞條的語言資源數(shù)據(jù)庫，提供更有深度的信息搜索和處理服務(wù)。而“跨語言大數(shù)據(jù)”分析正是這一時(shí)代中的新興領(lǐng)域。其“數(shù)據(jù)”具有跨語言、跨區(qū)域和跨文化的傳播特點(diǎn)，使得它具有廣泛的傳播力和特殊的價(jià)值。翻譯學(xué)科是外語院校的優(yōu)勢與特色，跨語言的資訊、翻譯技術(shù)與學(xué)生的學(xué)習(xí)和工作息息相關(guān)。在大數(shù)據(jù)的時(shí)代背景下，利用學(xué)科優(yōu)勢進(jìn)行“跨語言”與“大數(shù)據(jù)”的跨界創(chuàng)新，有著深遠(yuǎn)的意義，王少爽和覃江華[4]發(fā)現(xiàn)在大數(shù)據(jù)時(shí)代的海量信息環(huán)境下,搜索對于譯者而言尤為重要,是解決翻譯問題的重要手段。未來的翻譯等跨語言行業(yè)，機(jī)器學(xué)習(xí)技術(shù)正通過迭代升級，逐漸提高服務(wù)質(zhì)量；大數(shù)據(jù)技術(shù)提供多維度信息加工與呈現(xiàn)，可以讓各種專題的實(shí)時(shí)追蹤成為可能，了解和學(xué)習(xí)大數(shù)據(jù)技術(shù)將引發(fā)學(xué)生對于傳統(tǒng)語言行業(yè)的思考，激發(fā)其跨領(lǐng)域結(jié)合的創(chuàng)新思維能力。另一方面，跨語言與大數(shù)據(jù)的結(jié)合可以輔助教師的專題研究。教師可以設(shè)置自己的專題，并通過關(guān)鍵詞、時(shí)間、行業(yè)等信息進(jìn)行檢索，系統(tǒng)可以結(jié)合跨語言的數(shù)據(jù)資料，生成具有價(jià)值的報(bào)告，甚至可以分析專題在世界各地的熱度，從而評估專題的價(jià)值與意義。

二、語言類高校建設(shè)跨語言大數(shù)據(jù)課程思路

(一)明確課程定位，設(shè)置課程重難點(diǎn)

傳統(tǒng)的大數(shù)據(jù)課程包含了數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、分布式計(jì)算、存儲等課程內(nèi)容，對理論知識和實(shí)際操作能力均要求較高，且需要掌握java、Scala等編程語言。而跨語言大數(shù)據(jù)課程更需要學(xué)生掌握機(jī)器翻譯算法原理及具體的實(shí)例操作，因此課程需要學(xué)生掌握計(jì)算機(jī)、翻譯多領(lǐng)域知識及實(shí)踐操作能力。

高校在開設(shè)跨語言大數(shù)據(jù)課程之前，應(yīng)明確課程在內(nèi)容上是以原理講解為主，還是以實(shí)踐操作為主；在教學(xué)方法上，是采用基于項(xiàng)目的還是基于問題等其它教學(xué)方法。在此基礎(chǔ)上還應(yīng)建立跨語言大數(shù)據(jù)課程知識體系，劃分課堂重難點(diǎn)，避免課程內(nèi)容冗雜。本文根據(jù)跨語言大數(shù)據(jù)系統(tǒng)運(yùn)作及所涉及技術(shù)構(gòu)建了跨語言大數(shù)據(jù)技術(shù)體系如圖1：

圖1 跨語言大數(shù)據(jù)知識體系

跨語言大數(shù)據(jù)技術(shù)體系涉及了相關(guān)機(jī)器翻譯、數(shù)據(jù)采取和預(yù)處理、數(shù)據(jù)挖掘等多領(lǐng)域技術(shù)，因此在課程內(nèi)容設(shè)置上應(yīng)合理取舍。在機(jī)器翻譯技術(shù)上，目前基于神經(jīng)網(wǎng)絡(luò)的機(jī)器翻譯技術(shù)已逐漸成熟，并能夠較好的移植到各平臺上，因此在此部分的課程可以基于神經(jīng)網(wǎng)絡(luò)的機(jī)器翻譯技術(shù)為主要講解內(nèi)容；在大數(shù)據(jù)技術(shù)上，以大數(shù)據(jù)的分析與挖掘技術(shù)為重點(diǎn)，采用較為穩(wěn)定的Hadoop生態(tài)系統(tǒng)的分布式框架、計(jì)算及存儲方式，著重講解數(shù)據(jù)挖掘中文本聚類、命名實(shí)體識別、相似度分析、關(guān)鍵詞提取、情感分析等算法；在編程語言上，以Scala為主講解大數(shù)據(jù)平臺如何分布式實(shí)時(shí)處理數(shù)據(jù)。

(二)從數(shù)據(jù)新聞講起，采用基于問題引入和項(xiàng)目的教學(xué)模式

在教學(xué)過程設(shè)計(jì)中，首先應(yīng)分析課程開設(shè)專業(yè)課程體系與學(xué)生特點(diǎn)，對跨語言大數(shù)據(jù)課程編排進(jìn)行深入研究，構(gòu)建重基礎(chǔ)、有層次、綜合性的課程結(jié)構(gòu)，內(nèi)容設(shè)置上符合學(xué)生學(xué)情及認(rèn)知規(guī)律[5]。

對于翻譯專業(yè)院校來說，學(xué)生具有較強(qiáng)的歸納總結(jié)能力，且極具創(chuàng)新思維，但數(shù)理知識、計(jì)算機(jī)領(lǐng)域基礎(chǔ)較為薄弱。因此課程可以采用基于問題與項(xiàng)目的教學(xué)模式，激發(fā)學(xué)生興趣和開放性思維，從學(xué)生較為感興趣的“數(shù)據(jù)新聞”開始，講解跨語言大數(shù)據(jù)對當(dāng)今社會(huì)的影響，課程中穿插講解翻譯技術(shù)、文本挖掘相關(guān)與當(dāng)今翻譯行業(yè)非常密切的內(nèi)容，同時(shí)加強(qiáng)社會(huì)熱點(diǎn)案例學(xué)習(xí)，在理論教學(xué)的基礎(chǔ)上加強(qiáng)應(yīng)用教學(xué)。

1.跨語言的數(shù)據(jù)新聞

自1821年衛(wèi)報(bào)發(fā)表了第一個(gè)利用數(shù)據(jù)進(jìn)行的新聞報(bào)道——曼徹斯特在校小學(xué)生人數(shù)及其平均消費(fèi)統(tǒng)計(jì)起，新聞?lì)I(lǐng)域開始使用歷史數(shù)據(jù)調(diào)查和發(fā)現(xiàn)新聞事實(shí)，并將其稱為數(shù)據(jù)新聞。在大數(shù)據(jù)時(shí)代，新聞工作者能夠利用數(shù)據(jù)分析、整理數(shù)據(jù)并生產(chǎn)出數(shù)據(jù)新聞，幫助讀者更真實(shí)便捷地了解不斷變化的社會(huì)環(huán)境[6]。數(shù)據(jù)新聞是基于數(shù)據(jù)科學(xué)的知識和技術(shù)，通過或結(jié)合數(shù)據(jù)分析，對事實(shí)進(jìn)行的新聞報(bào)道。它的本質(zhì)是一種工作流程，通過抓取、篩選和重組來挖掘數(shù)據(jù)，聚焦專門信息以過濾數(shù)據(jù)，可視化地呈現(xiàn)數(shù)據(jù)并合成新聞故事[7]。而在跨語言大數(shù)據(jù)技術(shù)支持下，依托于機(jī)器學(xué)習(xí)算法，數(shù)據(jù)新聞區(qū)別于傳統(tǒng)新聞一時(shí)一地的報(bào)道方式，它能夠從來源上去除語言標(biāo)簽，打破單一語種的限制，搜集全球范圍內(nèi)專題數(shù)據(jù)進(jìn)行定性定量分析來合成新聞故事，從而加強(qiáng)了新聞內(nèi)容的寬度與廣度。

2.基于問題的引入方式

以問題學(xué)習(xí)為基礎(chǔ)，需要將教學(xué)內(nèi)容與實(shí)際應(yīng)用的相關(guān)知識和概念進(jìn)行高度融合，強(qiáng)化具有實(shí)際應(yīng)用背景的知識內(nèi)容，從而培養(yǎng)學(xué)生自主探索精神和創(chuàng)新能力，達(dá)到開發(fā)學(xué)生思維的目的[8]。教師在設(shè)計(jì)跨語言大數(shù)據(jù)課程內(nèi)容時(shí)，應(yīng)采用基于問題的引入方式，通過案例學(xué)習(xí)、問題導(dǎo)入激發(fā)學(xué)生興趣。以第一課的課堂重點(diǎn)內(nèi)容引入為例，學(xué)生首先課下對數(shù)據(jù)新聞相關(guān)知識進(jìn)行調(diào)查分析。初步了解數(shù)據(jù)新聞的概念、發(fā)展過程、生成方式及數(shù)據(jù)來源特點(diǎn)。課前通過構(gòu)造自己的新聞團(tuán)隊(duì)、選擇數(shù)據(jù)新聞主題，培養(yǎng)學(xué)生創(chuàng)新思維。在課堂上學(xué)生通過團(tuán)隊(duì)交流，初步討論出各隊(duì)新聞主題的生成過程。教師通過學(xué)生討論內(nèi)容，從數(shù)據(jù)新聞的生成過程引出大數(shù)據(jù)的一般處理流程，并導(dǎo)入情景問題：如何劃定新聞主題的數(shù)據(jù)來源，收集國內(nèi)數(shù)據(jù)還是國外數(shù)據(jù)？從而引出本節(jié)課內(nèi)容的重點(diǎn)，即跨語言大數(shù)據(jù)在擴(kuò)寬大數(shù)據(jù)來源方面的優(yōu)勢。

3.基于項(xiàng)目的教學(xué)方式

高校翻譯專業(yè)的人才培養(yǎng)方向主要是面向語言服務(wù)行業(yè),所以教學(xué)方法與內(nèi)容、企業(yè)活動(dòng)的選擇上,都應(yīng)當(dāng)著重突出教學(xué)的實(shí)用性,切實(shí)增強(qiáng)學(xué)生的語言應(yīng)用能力。而項(xiàng)目化教學(xué)將能力培養(yǎng)從抽象的概念轉(zhuǎn)化為一系列可操作、可比對、可量化的具體指標(biāo)。學(xué)生能夠獲得對自身能力的準(zhǔn)確認(rèn)知,并主動(dòng)尋求有效的能力提升方法。教師也能根據(jù)學(xué)生反饋,提供具體指導(dǎo)和建議[9]。

本課程要求學(xué)生掌握使用大數(shù)據(jù)技術(shù)、機(jī)器翻譯技術(shù)處理大量翻譯文本的能力。因此課程可采用項(xiàng)目教學(xué)法，邀請業(yè)內(nèi)語言服務(wù)公司技術(shù)人員與學(xué)院教師共同完成課程實(shí)踐章節(jié)教學(xué)。

在實(shí)施過程中，教師和公司人員發(fā)揮管理組織協(xié)調(diào)作用,制定項(xiàng)目方案,分配任務(wù),安排時(shí)間進(jìn)度,制定數(shù)據(jù)挖掘規(guī)則與評價(jià)標(biāo)準(zhǔn);學(xué)生團(tuán)隊(duì)需制定詳細(xì)方案實(shí)施思路、優(yōu)化策略與預(yù)期效果并按照計(jì)劃實(shí)施。結(jié)項(xiàng)階段學(xué)生需提交項(xiàng)目代碼、實(shí)施流程與創(chuàng)新思路，由教師與企業(yè)人員共同評價(jià)。

(三)依托跨語言大數(shù)據(jù)實(shí)驗(yàn)室，完成專題項(xiàng)目合作

在項(xiàng)目的數(shù)據(jù)來源獲取、數(shù)據(jù)分析過程中，課程可依托學(xué)校建設(shè)的跨語言大數(shù)據(jù)實(shí)驗(yàn)室完成實(shí)踐內(nèi)容。基于跨語言大數(shù)據(jù)技術(shù)支持的教學(xué)平臺能提供多語種數(shù)據(jù)搜索、機(jī)器翻譯、自然語言處理等功能。平臺可以分為以下幾個(gè)模塊：

圖2 平臺模塊

首先，平臺能夠每日抓取相關(guān)站點(diǎn)的多領(lǐng)域數(shù)據(jù)并存儲在數(shù)據(jù)庫中，其主界面可以展示每日熱點(diǎn)數(shù)據(jù)，并做大數(shù)據(jù)分析。對于教師，可以采用教學(xué)實(shí)訓(xùn)模塊進(jìn)行實(shí)驗(yàn)教學(xué)。通過實(shí)訓(xùn)模塊，教師可以為學(xué)生分配數(shù)據(jù)資源、云存儲空間、算法接口等，在實(shí)驗(yàn)完成后對結(jié)果進(jìn)行評估。學(xué)生端通過建立團(tuán)隊(duì)、選擇科研課題、確定數(shù)據(jù)源、建立數(shù)據(jù)分析模型、調(diào)用接口完成數(shù)據(jù)分析步驟，最后在平臺支持下進(jìn)行可視化展示。

三、跨語言大數(shù)據(jù)課程建設(shè)案例

語言類高?？梢曰诳缯Z言大數(shù)據(jù)實(shí)驗(yàn)室建設(shè)跨語言大數(shù)據(jù)課程體系。實(shí)驗(yàn)室包括硬件、軟件環(huán)境兩部分。在硬件環(huán)境上實(shí)驗(yàn)室布局應(yīng)設(shè)置合理，以便企業(yè)入駐、教師維護(hù)管理；而內(nèi)置的跨語言大數(shù)據(jù)軟件系統(tǒng)需要結(jié)合目前準(zhǔn)確性較高的文本分析和挖掘技術(shù)、機(jī)器學(xué)習(xí)技術(shù)、語義搜索技術(shù)等技術(shù)并提供接口。在此基礎(chǔ)上平臺可提供高校課程所用的真實(shí)源數(shù)據(jù)、算法接口，教師、學(xué)生在進(jìn)行科研、實(shí)訓(xùn)時(shí)可以省去數(shù)據(jù)爬取的步驟，通過在平臺上簡單操作完成數(shù)據(jù)獲取，而平臺算法接口的提供也為老師做數(shù)據(jù)挖掘提供便利。

表1 跨語言大數(shù)據(jù)課程周次安排

基于此平臺技術(shù)支撐所設(shè)計(jì)的跨語言大數(shù)據(jù)課程可分為三部分，第一部分(1—9周)講解大數(shù)據(jù)環(huán)境下數(shù)據(jù)存儲、處理方式及實(shí)時(shí)分析技術(shù)；第二部分(10—12周)講解Scala編程語言，并使學(xué)生能夠使用該語言完成數(shù)據(jù)實(shí)時(shí)分析；第三部分(13周)講解機(jī)器翻譯技術(shù)及算法基礎(chǔ)，并引出如何將語言技術(shù)嵌入到大數(shù)據(jù)系統(tǒng)中，完成語言和數(shù)據(jù)的結(jié)合。14周至16周為實(shí)驗(yàn)周，學(xué)?？裳埓髷?shù)據(jù)公司技術(shù)人員來校講解數(shù)據(jù)挖掘相關(guān)知識，采用平臺培訓(xùn)模塊完成相關(guān)實(shí)驗(yàn)，培養(yǎng)學(xué)生大數(shù)據(jù)文本分析的實(shí)際操作能力。數(shù)據(jù)來源取自學(xué)?？缯Z言大數(shù)據(jù)創(chuàng)新平臺。

四、總結(jié)

就現(xiàn)如今的行業(yè)趨勢而言，大數(shù)據(jù)技術(shù)的發(fā)展勢頭迅猛?？缯Z言的數(shù)據(jù)搜索方式作為“語言+大數(shù)據(jù)”新領(lǐng)域產(chǎn)物在產(chǎn)、學(xué)、研各方都能得到廣泛應(yīng)用，其具有十分良好的發(fā)展前景。語言類高校開設(shè)跨語言大數(shù)據(jù)課程體系、搭建大數(shù)據(jù)平臺，一方面為學(xué)校搭建智庫公共服務(wù)平臺，廣泛利用學(xué)術(shù)資源，在研究深度與研究廣度上發(fā)揮空間，提供具有科學(xué)性的研究結(jié)論，為政府及相關(guān)機(jī)構(gòu)提供智庫報(bào)告，并促進(jìn)產(chǎn)學(xué)研工作，提高學(xué)校的知名度和影響力；另一方面，通過創(chuàng)新性項(xiàng)目的設(shè)立，可以為學(xué)校教師提供更多的課題選擇和平臺，便于教師對更多領(lǐng)域的研究和探索，擴(kuò)充教學(xué)知識的深度和廣度；同時(shí)，課程采用實(shí)訓(xùn)課形式將學(xué)生的學(xué)習(xí)和實(shí)踐相結(jié)合，讓學(xué)生能夠接觸和掌握機(jī)器翻譯、大數(shù)據(jù)分析等人工智能領(lǐng)域的培訓(xùn)，理解翻譯與大數(shù)據(jù)關(guān)系，形成相關(guān)領(lǐng)域的研究成果，并通過實(shí)踐檢驗(yàn)學(xué)習(xí)成果，發(fā)現(xiàn)自身存在的問題，不斷提高自己，同時(shí)也能為企業(yè)發(fā)掘通道，并提供優(yōu)質(zhì)學(xué)生資源。