台语语料处理技术报告-白话字台语文网站.DOC

台語語料處理技術報告 基於對應語料庫的語言研究 杜海倫 謝婉婷 簡介 語料庫語言學是近30年發展起來的分支科學，主要任務和目標是：以電腦儲存足量的真實語料，對這些語料做各種代有研究目的的標注，利用研制的檢索工具對標注語料作方便快捷的搜尋和分析，用以研究語言事實和特徵。 雙語對應語料庫可供兩種或兩種以上語言作對比研究，可以為翻譯研究者提供素材，也可為雙與詞典的編簒提供更多可挑選的語料，是一個令人興致勃勃的研究領域。雙語平行對應，就是兩種語言經過翻譯後的對應；有單向的對譯，如從英語譯成漢語，英語是原語，漢語是譯語；有雙向的對譯，即從英語譯成漢語，和從漢語譯成英語，英語與漢語的語料裡均既有原語又有譯語。 雙語語料庫的具有單語語料庫所不具備的價值，但創建雙語語料庫較單語語料庫困難：1. 雙語對應的語料不及單語的豐富；2. 要尋找合適的對譯文本，不能收翻譯的過於生硬或隨意的譯本；3. 語料選材要考慮代表行並確保可比性；4. 雙語是否對應(尤其在句子層級的對應)，需要花費更多力氣做檢查與校對。 本文以雙語對應語料庫(漢語以字為單位，英語以詞為單位)做下列各種對應考察，並在之後的章節討論發現的語文現象： 英漢語句對應考察 英漢語中“體”的分布考察 英漢語致使結構對比 漢語把字句特點、分布及英譯問題 英漢語被動語句的特點與機器翻譯處理 英漢語動結結構對比與語料考察 日對漢對比的語料與考察與研究模式 英漢語句對應考察 本章討論以下語句對應問題： 英漢對譯在語句層面的對應比例 不同類型文本或不同翻譯方向的文本其對應比例有無特點？ 英漢互譯後的文本在文字量上有何變化? 作者以其自行研制的雙語語料庫，分為漢譯英文學語料、漢譯英非文學語料、英譯漢文學語料、英譯漢非文學語料，共四個子庫，分析以上問題 英漢、漢英語句對應問題 以雙語對應語料庫做抽樣統計(漢譯英文學語料取14篇、漢譯英非文學語料取15篇、英譯漢文學語料與英譯漢非文學語料各取17篇；每篇不足一萬字詞者取完本，超過則隨機取其章節)，得到漢語對英語的語句對應比為1:1的頻率最高 (在四個子庫的頻率分布如下表1)，其次為1:2和2:1，這三者的總和佔全部對應語句的90%以上，而1:2句對多於2:1，1:3句對多於3:1。 表1 ? 漢譯英 英譯漢 ? 文學類 非文學類 文學類 非文學類 範圍 54%~82% 64%~91% 70%~97% 71%~94% 平均 63.3% 80.2% 81.9% 84.7% 分析以上結果： 1:1的句對比例相當高，可見句子不失為翻譯的一個主要轉換單位。 中英文句子在斷句， 標點上的差異是影響1:1對應比例以及導致中文一句對多句英文現象較多的主要原因。英文在句法上較嚴格，中文則多流水句，以句號斷句的完整句子中常含有多個小句。如： 你說笑話也得有個分寸, 以後不許你開口 Your joking can go too far. From now on, you’re to keep your mouth shut. 譯者行文習慣是簡潔或冗長，也會影響語句對應比例。 譯文受原文影響程度有差異。漢語譯者翻譯時多參照原文句式，英語譯者則較依從英語表達的習慣；此外譯者在翻譯較嚴肅的文本時較會參照原文句式，故非文學類1:1句對比的出現頻率較高。 英漢、漢英互譯文本的文字量變化 兩種語言互譯後通常會涉及原文文本與譯文文本的文字量變化。英語與漢語的平均字詞量對應比為1:1.6 (亦即一個英文詞約為1.6個中文字)，而作者自雙語語料庫中抽查550萬字詞的統計結果，互譯文本的文字量對應比例則為表2。 由表2可發現，漢譯英時，一個漢字會翻成1/1.41=0.71(文學類)或1/1.33=0.75(非文學類)個英文詞，但根據平均字詞量，一個漢字約等於1/1.6=0.625個英文詞，故漢譯英時會呈文本擴增特點；同樣的，英譯漢時，一個英文詞譯出的漢字數均高於平均值1.6，因此英譯漢也有文本擴增的特性！ 表2 ? 漢譯英 英譯漢 ? 文學類 非文學類 文學類 非文學類 考察語料數(萬字詞) 150 100 170 130 平均 1:1.41 1:1.33 1:1.79 1:1.72 Blum-Kullka(1986)認為，譯者對原文進行解釋的過程，有可能使目標語文比原文本冗長。 英漢語中“體”的分布考察 本章應用FLOB (英國英語，Hunt, Sand Siemund，1998) ，Frown (美國英語，Hunt, Sand Skandera，1999)和LCMC (漢語，McEnery Xiao Forthcoming， HYPERLINK http://www.ling.lancs.ac.uk/corplang/lcmc http://www.