基于汉语标点句的汉英双语语料库创建.docVIP

精品文档，助力人生，欢迎关注小编！ 基于汉语标点句的汉英双语语料库创建 孙晓迪 内容摘要：双语平行语料库对翻译研究、语言对比以及自然语言处理等领域有重要的影响。目前国内外对于双语语料库的研究已经较为成熟，但是仍存在很多问题，使其应用结果受到限制。本文主要考察现有的汉英双语语料库，并指出构建双语语料库需要考虑特定的语言特点对并且应该易于分析和操作，同时就汉英双语而言，本文提出以汉语标点句为对齐单位构建双语语料库。 关键词：汉语标点句 汉英 双语语料库 1.引言 双语语料库是指源语文本和它所对应的目标语言翻译文本构成的文本集合，两种语言对应的文本对之间语言形式虽然不同，但是表达的内容是一致的，是一种双语对齐的语料库。双语语料库对翻译研究、语言对比以及自然语言处理等领域有重要的参考价值。 构建双语语料库的关键技术之一是双语对齐，从已有的双语语料库的研究来看，有段落、句子、短语、词汇等不同语法层级的对齐，但更多的是句对齐双语语料库，例如最著名的双语对齐语料库就是英语与法语间的句对齐双语语料库（王斌，1999）。汉英双语句对齐语料库也是参照该语料库建立的，虽然国内语料库对于国外起步较晚，但是有关汉英双语语料库的建设及其研究也取得了一定的成就，如燕山大学刘泽权支持建立的“《红楼梦》中英文平行语料库”、北京外国语大学王克非主持研制的一亿词规模的“中国英汉平行语料库”以及上海交通大学杨慧中教授主持建立的JDEST科技英语语篇语料库等。 目前对汉英双语语料库研究都集中于句对齐算法和模型的研究，但是汉语自身的独特性使得仅对双语对齐模型和算法研究是远远不够的，应该从语言本身出发，考察特定语言的语言特点。同时，句子为单位构建汉英双语语料库的准确率远远不如属于同一语系的英法对齐之间的准确率高。如Brown（1993）在加拿大Hansard语料进行法英句对齐，其准确率可以达到99.6%，而汉英对齐准确率却仅90.6%（李维刚，2020）。 基于以上原因，本文总结分析已有的汉英双语语料库，指出构建汉英双语语料库从汉英两种语言的语言特点出发，并提出以汉语标点句为参照构建汉英双语语料库的设想。本文接下来的章节分别是第二章总结现有的汉英对齐语料库，第三章描述以汉语标点句为基础构建汉英双语语料库的过程，第四章是对全文的总结。 2.汉语标点句 汉语与英语不同，存在着很多省略的现象，尤其是对于主语的省略，此外，汉语句与句间的逻辑关系也少有显化的词来体现。因此，为使汉语和英语处于同一语法层级上，本文提出以汉语标点句为参照构建汉英双语语料库。 标点句是指汉语书面语篇章中邻近的两个标点之间的词串。这里所说的标点，包括逗号、句号、分号、叹号、问号以及直接引语前的冒号。顿号、书名号、连接号、间隔号、着重号不看作标点句的边界，破折号和删节号出现较少，所以也不涉及（宋柔，2020）。 在标点句中，如果一个成分或者整个标点句被另一些标点句谈论，也就是前者为后者的话题，后者为前者的说明。话题和它的所有说明组成一个话题结构。（宋柔，2020）例如： ①我们把保增长与调结构紧密结合起来; ②加快解决制约经济发展的结构性矛盾。 上句中有两个标点句，其中标点句①具有完整的主谓结构，标点句②则缺少主语，其主语是标点句①中的“我们”。在话题结构中，“我们”被称为话题，该话题被标点句②共享，标点句②的内容是对于话题“我们”的说明。 基于以上分析，标点句①具备了完整的话题和说明成分，因此是话题自足句，标点句②则只有说明部分，并不是一个完整的话题说明结构，但是由于其共享了标点句①的话题，因此被称作是潜在的话题自足句。大量的汉语语料分析显示，汉语标点句中绝大部分都是话题自足句或是潜在的话题自足句，这是以标点句为参照构建双语语料库的基本依据。 上句对应的英文译文是： ①We closely integrated sustaining economic growth with economic restructuring， ②and moved more quickly to resolve structural problems limiting economic development. 从英文译文看，汉语标点句①对应英文①，标点句②对应英文译文②，英文译文②也是缺少了主语，其主语共享了前一句的主语“We”。从结构上看，译文①是一个完整的主谓句，译文②补足主语后，依然是一个完整的主谓句，且两个主谓句内部不再嵌套其他主谓句，也就是说两部分译文的结构都具有单一性，都可以独立成为更大语言单位的组成部分。 综上所述，汉语标点句具备使得汉英能够实现