语料库的创建与应用讲解课件.pptx

语料库的创建与应用管新潮上海交通大学外国语学院2016-11-231）语料库类型2）语料选取原则与操作标准3）语料库规模4）语料句对齐标准5）语料库的制作6）数据挖掘7）翻译教学8）翻译研究9）语料的版权10）语料的质量11）语料库与翻译创造力12）语料库的应用1）语料库类型平行语料库：源语文本+目的语文本双语平行语料库：英语+汉语或德语+汉语多语平行语料库：两种以上语言双向平行语料库：英汉+汉英单向平行语料库：英汉或汉英1）语料库类型可比语料库：语料具有可比性单语可比语料库：翻译文本+原创文本（政府工作报告英文版+美国国情咨文）双语可比语料库：无翻译关系的双语文本（德国有限责任公司法和中华人民共和国公司法——术语）语料可比性1）语料库类型翻译语料库：翻译文本口语语料库：标注？（蒙特雷）2）语料选取原则与操作标准代表性或影响力原则可及性原则时间原则（胡开宝，2011：45-46）质量原则专业分类原则2）语料选取原则与操作标准①原文与译文呈一一对应关系；②原文应具备一定的文笔表现力；③译文应符合所在国的阅读习惯和表述要求，同样具备一定的文笔表现力，而且该译文是经过认可的；④按专题模块汇集语料，使语料文本具有同质性；⑤选用具有代表性的语料文本；⑥所选用的每一篇语料文本都是一个完整的单元。2）语料选取原则与操作标准例如：英汉医学平行语料库以图书、论文、报告为主，专业方向涉及微生物学、生物化学、解剖学、病理学、药理学、临床诊断学、内科学、外科学、妇产科学、儿科学、眼科学、耳鼻咽喉科学、口腔医学、皮肤病学、神经病学、精神病学、感染病学等。3）语料库规模BNC（Britisch National Corpus）：超1亿词COCA（Corpus of Contemporary American English）：4.5亿词DWDS（ Das Digitale W?rterbuch der deutschen Sprache ）：25亿词3）语料库规模北外汉英对应语料库：3000万字词中国法律法规汉英平行语料库：2200万字词莎士比亚戏剧英汉平行语料库：600万字词英汉医学平行语料库：1000万字词英汉科普平行语料库（郭鸿杰）：1000万字词中国英汉平行语料库（王克非）：1亿字词3）语料库规模应用于翻译实践的语料库规模究竟要多大？4）语料句对齐标准学术研究翻译实践句子单位4）语料句对齐标准英文原文与中文译文的句子对齐以一一对应为主，但也允许语句一对多或多对一等情况的存在。一般以句号、分号、问号等为分句标记，但总有例外情形存在。这里最为重要的是，必须考虑到英文在句法逻辑上是一个完整的单元，中文语句与之相应匹配。5）语料库的制作WORDPDF纸质版其他格式5）语料库的制作语料的降噪处理：公式、表格、图片“纯”文本5）语料库的制作对齐工具：WinAlignParaConcAbbyy Aligner等等自行开发TMX-ParaConV5）语料库的制作保存格式：例如TMX，TXT目的在于多用途5）语料库的制作TM库的制作：1）Word格式（WinAlign，Abbyy Aligner）2）Xliff格式（新建记忆库、更新记忆库等）3）Excel格式（2007版或之前版本，2009版或之后版本）——TMX Editor5）语料库的制作5）语料库的制作制作语料库的有效方式：ABBYY Aligner + 自编软件 + ParaConc等6）数据挖掘使用英文或汉语（须经切分）单语导入WordSmith或AntConc进行词频排序进入双语界面进行检索查询：ParaConc或Trados记忆库界面6）数据挖掘6）数据挖掘专业通用词（General Words for Specific Purposes）法律（action, award, damage）医学（normal , management）海洋工程（high, sea）6）数据挖掘Article?14 Anti-Dumping Action on Behalf of a Third Country第14条 代表第三国的反倾销诉讼（ action=law suit）He was awarded $500 damages for injury he suffered in the accident.（award非“奖励”，是“法定裁定”）（damage非“损坏”，是“赔偿金”）6）数据挖掘Liver function tests gave normal results.肝功能检验均无异常发现。normal saline生理盐水6）数据挖掘Disease management is an approach to coordinate resources across the health care.疾病管