英漢雙向哲學(xué)社科術(shù)語詞典系統(tǒng)設(shè)計與實(shí)現(xiàn)

王 琳 劉伍穎 梁曉波

(1.國防科學(xué)技術(shù)大學(xué)，湖南長沙 410073;2.解放軍外國語學(xué)院，河南洛陽 471003)

公元1799年在埃及發(fā)現(xiàn)的羅塞塔石碑(Rosetta Stone)制作于公元前196年。石碑上用三種不同文字(古埃及象形文Hieroglyphic、古埃及草書文 Demotic、古希臘文)平行刻著古埃及法老Ptolemy V的詔書。到近代古希臘文還是可閱讀的，通過比對分析，人類破譯了兩種失傳已久的古埃及文字的意義。

公元1909年在中國內(nèi)蒙古額濟(jì)納旗發(fā)現(xiàn)的木刻雕版印刷紙本《番漢合時掌中珠》刊行于西夏乾祐21年(公元1190年)，是一本西夏文和漢文雙向雙解注音詞典，編者是西夏人骨勒茂才。書前有西夏文和漢文平行序言，“……不學(xué)番言，則豈和番人之眾;不會漢語，則豈入漢人之?dāng)?shù)……”表明該書目的在于方便西夏人和漢人互相學(xué)習(xí)對方語言。目前該書成為研究和破譯西夏文的關(guān)鍵工具書。

羅塞塔石碑的多語平行文本設(shè)計、《番漢合時掌中珠》的雙向雙解設(shè)計在當(dāng)時都是十分先進(jìn)和實(shí)用的，對后世也產(chǎn)生了深遠(yuǎn)影響。當(dāng)前大數(shù)據(jù)背景下，如何利用雙語平行文本［1］和雙向信息檢索技術(shù)對術(shù)語大數(shù)據(jù)進(jìn)行處理成為極具挑戰(zhàn)的研究課題。

一 相關(guān)研究現(xiàn)狀與研究意義

文章開始處的例子說明多語種平行文本和雙語詞典歷來就是人類溝通不同語種的重要方法。隨著計算機(jī)和網(wǎng)絡(luò)的普及，這些古老的方法借助現(xiàn)代手段煥發(fā)出新的生命力。如金山詞霸、有道詞典、靈格斯(Lingoes)、Babylon、句酷等已經(jīng)成為主流的電子詞典和翻譯軟件。又如維基百科(Wikipedia)、微軟(Microsoft)、谷歌(Google)等在多語種處理方面也是成果豐富。

金山詞霸是金山公司推出的電子詞典，收錄了140多本版權(quán)詞典。有道詞典是網(wǎng)易有道推出的電子詞典，它利用大數(shù)據(jù)挖掘技術(shù)對有道搜索引擎爬取的網(wǎng)頁大數(shù)據(jù)進(jìn)行處理，得到海量漢語與外語的平行文本，以此支撐詞語和例句的查詢。靈格斯是由凱文(Kevin)個人開發(fā)的翻譯與詞典軟件，支持80多個國家語言的詞語查詢和全文翻譯。Babylon是一款提供翻譯和詞典服務(wù)的桌面軟件，它的多語種詞典是由Babylon所屬的語言專家開發(fā)出來的。句酷是北京郵電大學(xué)開發(fā)的雙語例句搜索引擎，已積累了上千萬的雙語例句。

維基百科是一種借助維基技術(shù)開發(fā)的多語種百科知識庫，它公布了截至2011年底因特網(wǎng)上最主要的35種網(wǎng)頁內(nèi)容語種。微軟的Windows Phone 8手機(jī)操作系統(tǒng)能為用戶提供50種不同國家和地區(qū)語種支持，微軟的Windows 8操作系統(tǒng)支持多達(dá)109種語種。谷歌翻譯目前可提供64種語言之間的即時翻譯，而且還啟動了瀕危語言計劃以挽救3054種瀕危語種。

上述相關(guān)研究已經(jīng)取得了很多產(chǎn)品級的應(yīng)用成果。在技術(shù)上的啟示是把桌面軟件與網(wǎng)絡(luò)數(shù)據(jù)庫銜接起來，既有本地基本數(shù)據(jù)庫，又有在線大數(shù)據(jù)庫;借助搜索引擎網(wǎng)絡(luò)爬蟲技術(shù)和Wiki技術(shù)［2］不斷擴(kuò)充后臺大數(shù)據(jù)庫;詞典與句典相結(jié)合，詞語查詢向機(jī)器翻譯邁進(jìn)。然而已有的產(chǎn)品在使用時還是暴露出一些不足。如大部分電子詞典為了追求詞量，把各種詞典機(jī)械合成，造成結(jié)果重復(fù)、冗長、雜亂、大而不精;專業(yè)術(shù)語存在較多的翻譯錯誤，或者根本查不到相關(guān)的專業(yè)術(shù)語等。

隨著2010年底美國《規(guī)劃數(shù)字化未來》報告的出爐，美國政府2012年投入2億美元啟動大數(shù)據(jù)研究發(fā)展倡議，大數(shù)據(jù)時代已經(jīng)來臨。微軟研究院出版的《第四范式:數(shù)據(jù)密集型的科學(xué)發(fā)現(xiàn)》論文集全面描述了快速興起的數(shù)據(jù)密集型科學(xué)研究，從理論上指導(dǎo)著大數(shù)據(jù)挖掘的方向。在大數(shù)據(jù)背景下，哲學(xué)和社會科學(xué)的飛速發(fā)展、計算技術(shù)和網(wǎng)絡(luò)技術(shù)的不斷進(jìn)步、國際交流的日益深化使得多語種哲學(xué)社科術(shù)語不斷涌現(xiàn)。本文對英漢雙向哲學(xué)社科術(shù)語詞典系統(tǒng)的構(gòu)建方法進(jìn)行了探索，對限定領(lǐng)域［3］的雙向網(wǎng)絡(luò)術(shù)語詞典構(gòu)建進(jìn)行了嘗試。目的是利用計算機(jī)和網(wǎng)絡(luò)促進(jìn)術(shù)語使用處理的規(guī)范化與標(biāo)準(zhǔn)化［4］、增強(qiáng)哲學(xué)社科術(shù)語翻譯的準(zhǔn)確性、提升使用者的英文文獻(xiàn)閱讀理解和寫作能力。

二 架構(gòu)設(shè)計與系統(tǒng)功能

英漢雙向哲學(xué)社科術(shù)語詞典系統(tǒng)(哲譯通)是一套基于網(wǎng)絡(luò)B/S架構(gòu)的Web應(yīng)用系統(tǒng)。哲譯通系統(tǒng)架構(gòu)如圖1所示，總體上分為兩大部分。

圖1 哲譯通系統(tǒng)架構(gòu)

一部分是通過網(wǎng)絡(luò)接入的各種用戶終端，它們可以是安裝了瀏覽器(browser)的任意接入設(shè)備，只需通過網(wǎng)絡(luò)訪問服務(wù)器就可以使用哲譯通系統(tǒng)，簡化了客戶端的安裝，便于跨硬件、軟件、網(wǎng)絡(luò)平臺使用系統(tǒng)。另一部分是采用高速內(nèi)網(wǎng)連接起來的各類服務(wù)器，包括用于存儲英漢雙向哲學(xué)社科術(shù)語詞典庫的數(shù)據(jù)服務(wù)器，提供結(jié)構(gòu)化存儲、漢英雙向檢索、應(yīng)用編程接口的應(yīng)用服務(wù)器，接收Web請求并進(jìn)行相應(yīng)處理的Web服務(wù)器。

服務(wù)器端的詞條處理服務(wù)器并發(fā)接收單條詞條的Web提交，也接收批處理詞條提交，并把詞條數(shù)據(jù)提交到結(jié)構(gòu)化存儲服務(wù)器。Query處理服務(wù)器接收漢文Query或英文Query的Web提交，支持高級搜索的邏輯表達(dá)式處理，并提交Query到漢英雙向檢索服務(wù)器，接收檢索服務(wù)器的返回結(jié)果，通過網(wǎng)絡(luò)反饋給瀏覽器端。結(jié)構(gòu)化存儲服務(wù)器支持詞條數(shù)據(jù)的格式化、詞條相關(guān)性挖掘、索引編排、數(shù)據(jù)庫操作等功能。漢英雙向檢索服務(wù)器接收Query請求，查詢英漢雙向哲學(xué)社科術(shù)語詞典庫的索引，返回檢索結(jié)果。應(yīng)用編程接口服務(wù)器擴(kuò)展通用的編程接口，提供印刷紙本詞典的自動排版清樣、機(jī)器翻譯等數(shù)據(jù)增值服務(wù)。

我們設(shè)計的用于存儲術(shù)語的數(shù)據(jù)庫term表結(jié)構(gòu)如圖2所示，每條詞條包含10個屬性域(術(shù)語ID、漢文詞條、英文詞條、漢文注釋、英文注釋、插圖文件名、學(xué)科類別、譯文出處、提供者、聯(lián)系方式)，其中漢文注釋和英文注釋是雙語平行文本，而插圖采用文件系統(tǒng)進(jìn)行存儲，所以插圖文件名是文件系統(tǒng)存儲和訪問路徑。

圖2 哲譯通數(shù)據(jù)庫term表結(jié)構(gòu)

從系統(tǒng)功能角度分析，哲譯通是一個以術(shù)語詞典庫為核心的綜合系統(tǒng)，既包含詞典數(shù)據(jù)高效收集、存儲、維護(hù)、管理、分析、共享等基本功能，又包含漢英全文檢索、組合邏輯檢索、學(xué)科分類檢索、相關(guān)推薦檢索等便捷的搜索功能，還包含漢英雙解展示、開放詞條在線提交、紙本詞典自動出版、機(jī)器翻譯等數(shù)據(jù)增值服務(wù)功能。

三 系統(tǒng)實(shí)現(xiàn)

根據(jù)上文提出的系統(tǒng)架構(gòu)，首先我們構(gòu)造了英漢雙向哲學(xué)社科術(shù)語詞典庫。《番漢合時掌中珠》將詞條分為天體、天相、天變、地體、地相、地用、人體、人相、人事九大類。同理根據(jù)哲學(xué)和社會科學(xué)分類體系把英漢雙向哲學(xué)社科術(shù)語分為哲學(xué)、歷史、經(jīng)濟(jì)、法學(xué)、文學(xué)、教育、管理、軍事、科技史九大類。如表1所示九大類總共收集了44 136條詞條。

表1 哲譯通學(xué)科類別和詞條數(shù)

接著我們實(shí)現(xiàn)了結(jié)構(gòu)化存儲服務(wù)器和詞條處理服務(wù)器，按照上文的term表結(jié)構(gòu)對詞條進(jìn)行格式化，對用于挖掘的域(漢文注釋、英文注釋)文本進(jìn)行分詞處理，建立全文倒排索引，并存儲到數(shù)據(jù)服務(wù)器。然后我們實(shí)現(xiàn)了漢英雙向檢索服務(wù)器和Query處理服務(wù)器，支持以下四種搜索方式。

1.基本搜索

基本搜索類似于谷歌主頁的搜索，實(shí)現(xiàn)漢英全文檢索功能。在哲譯通主頁面的輸入框中輸入搜索請求(Query)，點(diǎn)擊搜索按鈕就可以得到詳細(xì)的雙語雙解詞條信息。哲譯通基本搜索可以很好地支持對漢文英文的全文搜索，對Query中的人名、地名、機(jī)構(gòu)名等專名進(jìn)行了識別，提高了搜索的語義準(zhǔn)確性。

2.學(xué)科搜索

學(xué)科搜索實(shí)現(xiàn)按照學(xué)科分類進(jìn)行檢索的功能。由于在構(gòu)造英漢雙向哲學(xué)社科術(shù)語詞典庫時，對每條詞條進(jìn)行了學(xué)科分類，因此在輸入框上方有相應(yīng)的學(xué)科分類鏈接，通過點(diǎn)擊鏈接選擇學(xué)科，能夠更加精準(zhǔn)地限定搜索范圍，提高返回詞條的相關(guān)性。

3.高級搜索

高級搜索能夠?qū)崿F(xiàn)復(fù)雜的多條件組合邏輯檢索。通過“+”“－”按鈕增刪搜索條件，搜索條件之間的邏輯關(guān)系可以通過邏輯下拉框設(shè)定，包括“并且”“或者”和“不含”三種邏輯運(yùn)算符。除此之外，每個條件的權(quán)重可以通過權(quán)重輸入框設(shè)定，通常權(quán)重采用一個整數(shù)表示。用戶通過權(quán)重設(shè)置來準(zhǔn)確描述自己搜索的側(cè)重點(diǎn)。

4.推薦搜索

推薦搜索是采用數(shù)據(jù)挖掘技術(shù)計算Query與每條詞條內(nèi)容的相關(guān)性，輸出術(shù)語詞條中不含Query文本，但術(shù)語內(nèi)容與Query緊密相關(guān)的詞條。這是一種暗含的隱式搜索，不需要用戶人工干預(yù)，伴隨上述三種搜索方式自動完成的。比如:輸入Query(秦始皇)點(diǎn)擊搜索按鈕后的搜索結(jié)果頁面，除了兩條搜索結(jié)果(秦始皇、秦始皇陵)之外，還向用戶推薦有可能感興趣的三條相關(guān)詞條(秦兵馬俑、先秦思想、郡縣制度)，如果用戶感興趣可以進(jìn)一步點(diǎn)擊相關(guān)詞條鏈接打開具體內(nèi)容頁面。

最后我們還實(shí)現(xiàn)了應(yīng)用編程接口服務(wù)器，支持印刷紙本詞典的自動排版清樣生成功能，這是對傳統(tǒng)紙本詞典出版的一次變革，能夠縮短詞典版本更新周期，提高詞典的時效性。此外應(yīng)用編程接口服務(wù)器還為機(jī)器翻譯提供術(shù)語翻譯接口［5］。

哲譯通系統(tǒng)不僅詞庫容量大、學(xué)科類別全，而且詞條注釋詳略得當(dāng)、譯文出處權(quán)威準(zhǔn)確，2008年底在軍網(wǎng)上線試運(yùn)行［6］，方便教學(xué)和科研人員查詢、提交詞條。查詢時用戶只需要輸入漢文或英文詞條，便可獲得譯文詞條、漢英注釋、插圖、學(xué)科類別、譯文出處、提供者等信息。提交新詞時用戶只需要根據(jù)哲譯通詞條模板逐項(xiàng)填寫，其中包括提供者的姓名，通過審核后提供者自動成為哲譯通電子詞典的作者之一［7］。試運(yùn)行以來得到用戶廣泛好評，成為從事哲學(xué)與社會科學(xué)教學(xué)和科研人員的好助手。

四 結(jié)語

時代劃分依據(jù)多種多樣，若以“紙”為依據(jù)，我們可以把紙發(fā)明之前的人類文明時期稱為“紙前時代”，從紙的發(fā)明到普及使用稱為“紙質(zhì)時代”，那么今天趨于無紙化的大數(shù)據(jù)時代則是當(dāng)之無愧的“后紙時代”。羅塞塔石碑是紙前時代的多語平行語料庫，《番漢合時掌中珠》是紙質(zhì)時代的雙向雙解詞典，而哲譯通就像是后紙時代對英漢雙向網(wǎng)絡(luò)詞典的一種有益嘗試。盡管信息記錄材料發(fā)生了翻天覆地的變化，但上述三者的本質(zhì)并沒有太多不同，哲譯通不過是古今中外跨語言文字信息處理的一種延續(xù)。

在下一步的研究工作中，我們將加強(qiáng)用戶與研發(fā)者之間的交流互動，根據(jù)試運(yùn)行反饋完善系統(tǒng)功能，擴(kuò)充系統(tǒng)詞量使得詞典覆蓋面越來越廣。可以預(yù)見哲譯通將在哲學(xué)與社會科學(xué)研究領(lǐng)域發(fā)揮更大的作用。此外進(jìn)一步擴(kuò)展應(yīng)用編程接口，將英漢雙向哲學(xué)社科術(shù)語詞典作為一種重要的知識源，支撐機(jī)器翻譯領(lǐng)域進(jìn)行更深的研究。還可以通過遷移學(xué)習(xí)技術(shù)把我們設(shè)計的術(shù)語詞典系統(tǒng)構(gòu)建方法和實(shí)現(xiàn)的軟件部件用于醫(yī)藥術(shù)語庫、氣象術(shù)語庫、古籍翻譯術(shù)語庫、國防縮略術(shù)語庫［8］、軍事術(shù)語庫［9］等其他專業(yè)術(shù)語網(wǎng)絡(luò)詞典建設(shè)之中。

［1］王克非，黃立波.國外雙語庫研制與應(yīng)用評析［EB/OL］.(2013－04－23)［2013－11－15］.http://www.npopsscn.gov.cn/n/2013/0423/c362514 －21242066.html.

［2］王莉，梁冰，郝春云，等.基于Wiki技術(shù)的標(biāo)準(zhǔn)術(shù)語庫的設(shè)計與實(shí)現(xiàn)［J］.數(shù)字圖書館論壇，2011(3):44－51.

［3］向音，李蘇鳴.領(lǐng)域術(shù)語特征分析——以軍語為例［J］.中國科技術(shù)語，2012(5):5－9.

［4］馮志偉.一個新興的術(shù)語學(xué)科——計算術(shù)語學(xué)［J］.術(shù)語標(biāo)準(zhǔn)化與信息技術(shù)，2008(4):4－9.

［5］羅季美.機(jī)器翻譯中的術(shù)語錯譯分析［J］.中國科技術(shù)語，2013(1):41－45.

［6］況守忠，周雨花.國防科大人文與社會科學(xué)學(xué)院開發(fā)出我國第一部“哲譯通”電子辭典［N］.解放軍報，2008－12－26.

［7］王握文.在線電子辭典，網(wǎng)友也能當(dāng)作者——國防科大研發(fā)“哲學(xué)與社會科學(xué)專有名詞電子辭典”紀(jì)實(shí)［N］.解放軍報，2009－2－17.

［8］易綿竹，劉伍穎，劉萬義，王琳.多語種國防縮略術(shù)語庫研究［J］.中國科技術(shù)語，2013(5):18－21.

［9］張國君，吳曉燕，丁國瑞.建立多語種軍事術(shù)語數(shù)據(jù)庫系統(tǒng)的基本構(gòu)想［J］.中國科技術(shù)語，2013(5):9－13.