汉英对应语料库翻译句对检索问题.PDFVIP

《中国英语教育》2009 年第1 期，总第23 期 English Education in China Number 1, 2009 汉英对应语料库翻译句对检索问题* 王克非, 熊文新 (北京外国语大学中国外语教育研究中心, 北京10089) 提要： 英汉双语对应语料在经过对齐标注校对入库之后，便转化为可管理的数据库系统。 为使这一宝贵的语言资源能够更好地服务于翻译教学与翻译教学，我们制作了一个前端用 户访问后台数据库的服务接口，通过较好的人机交互界面，提供一个对双语语言事实进行 更多复合条件查询的检索系统。本文简要介绍这一系统的设计开发思想及其应用。 关键词： 汉英对应语料库；检索系统；翻译句对 中图分类号：H3 文献标识码：A 1．引言 受统计机器翻译成功应用的影响，当前一些从事机器翻译的研究机构为建立较好的语 言模型和翻译模型，搜集整理了一批双语语料，语料库越建越大；有的更进一步利用网络 爬虫等技术手段从互联网上获取了更多翻译语料来丰富语料库。然而建库本身并不是目的， 为较好地利用这些语言资源，于是更多检索工具也开发问世了。由于版权限制等各方面原 因，目前能够下载或在互联网上运行的双语语料库检索系统并不多见。即使部分能够运行， 检索界面也往往比较简单，比如只提供简单的中英文字词的语言内容查找，有些甚至没有 进行基本的英语词形还原，使得由于检索词和语料中的词语不一致造成的漏检现象频繁发 生。同时对检索的元属性限制条件，譬如翻译方向的汉译英、还是英译汉；语体特征的书 面语还是口语等属性检索基本没有提供。由于设计上的这些缺憾，使得以机器翻译为主的 语料库检索对面向翻译研究者和学习者的贡献打了一个折扣。 近年来，在国家社会科学基金项目和教育部人文社科重点研究基地重大项目的支持下， 我们初步建成了当今世界上经过专业人员校对、规模最大的汉英平衡对应语料库 （王克非 2004 ）。本着切实为翻译教学与研究服务的目的，我们设计了一个用户检索系统，希望通过 简单的人机交互接口，使得更多用户能够方便地获取利用这一宝贵的语言资源。最近我们 在北京外国语大学中国外语教育研究中心的“中国外语教研网”发布了一个Web 版的原型检 索系统，以听取更多用户的意见和建议。 2．语料库的数据库转化设计 语料库作为海量语言事实材料的集合，一般来说，数量相对较大。采用一般的文件处 理系统难以管理。譬如我们创建的汉英对应语料库的总字数就以千万计。搜集本身不是目 的，更关键的是加工利用。对语料的处理既可以自行设计数据结构或采用专门软件进行管 理。 为简化开发时间，我们在汉英双语对应语料库平台中，采用关系型数据保存、管理、 检索语料。因为数据库本身具有良好的数据存储及管理与维护功能，方便后续语料库不断 追加；数据库还提供较好的检索二次开发接口设计，能在此基础上方便快捷地定制特定的 * 本文系国家社会科学基金项目“基于大型英汉对应语料库的翻译研究与翻译教学平台”(项目编号: 05BYY013 )的研究成果之一 《中国英语教育》2009 年第1 期，总第23 期 English Education in China Number 1, 2009 查询处理。在本项目中，双语对应语料库实际上设计为数据库中的一个表 （table ）。该表是 由一个个汉英对应的句子及其他与句对相关的元属性共同构成的记录 （record）组成。每条 记录都包含有如表1 所示字段 （field, 属性）的信息内容。 表 1 数据库字段设计及说明 字段名 类型 备注 英文句 字符型 （5000 ） 一个英文句子不超过5000 字母 中文句 字符型 （2000 ） 一个中文句子不超过2000 汉字 源语言 字符型 （1） 当前句子的源语言 （英语或汉语） 作者 字符型 （50） 当前句子的作者名 篇名 字符型 （50） 当前句子所在文