搜索引擎在計算機輔助翻譯中的應用

翟云超，馬王儲，常璐

（華北理工大學外國語學院，河北唐山，063000）

1 搜索引擎的概念

搜索引擎指根據一定策略、運用特定的計算機程序從互聯網搜集信息，完成信息組織、處理后為用戶提供檢索服務，并將檢索信息展示給用戶的系統，包括 全文索引、目錄索引、元搜索引擎、垂直搜索引擎、集合式搜索引擎、門戶搜索、引擎與免費鏈接列表等（劉彥平，2011）。百度和谷歌等是搜索引擎代表。

2 搜索引擎的工作機制

（1）抓取網頁。每個獨立的搜索引擎都有自己的網頁抓取程序爬蟲（spider）。爬蟲Spider順著網頁中的超鏈接，從這個網站爬到另一個網站，通過超鏈接分析連續訪問抓取更多網頁。被抓取的網頁被稱之為網頁快照由于互聯網中超鏈接的應用很普遍，理論上，從一定范圍的網頁出發，就能搜集到絕大多數的網頁。

（2）處理網頁。搜索引擎抓到網頁后，還要做大量的預處理工作，才能提供檢索服務。其中，最重要的就是提取關鍵詞，建立索引 庫和索引。其他還包括判斷網頁類型、去除重復網頁、分析超鏈接、分詞（中 文）、計算網頁的重要度/豐富度等。

（3）提供檢索服務。用戶輸入關鍵詞進行檢索，搜索引擎從索引數據庫中找到匹 配該關鍵詞的網頁。為了用戶便于判斷，除了網頁標題和URL外，還會提 供一段來自網頁的摘要以及其他信息。

3 基本邏輯檢索符

3.1 布爾邏輯檢索

布爾邏輯檢索的使用面最廣，使用頻率最高。利用布爾邏輯運算符連接各檢索詞，然后由計算機進行相應邏輯運算，找出所需信息。需要注意的是，在使用布爾邏輯檢索時仍然需要參考具體數據庫使用幫助或說明。

表1 布爾邏輯運算符與檢索式

3.2 位置算符檢索

位置算符檢索也稱全文查找邏輯算符或相鄰度算符，是用來規定符號兩邊的 詞出現在文獻中的位置的邏輯運算算符。

（1）W算符(with):通常寫作A(nW)B,表示詞A與詞B之間至多可以插入n個其他的詞(注意是單詞，不是字母)，同時A、B保持前后順序不變；其中(W)也可以寫作()，表示兩詞之間不得有其他詞，但有些系統允許有空格或標點符號。

（2）N算符(new): 通常寫作A(nN)B,表示A與B之間至多可以插入n個其他詞，同時A、 B不必保持前后順序。其中W)表示算符兩側的檢索詞必 須前后相連，但詞序可顛倒，詞間不允許插入其他詞或字母。

（3）Same:通常寫作A SAME B，表示SAME兩側的檢索詞A和B必須同時出現在數據庫的同一個段落中。

（4）s算符(subfield):通常寫作A(S)B，表示A與B必須同時在一個句子或同一子字段內出現，但詞序可隨意變化，且各詞間可以加任意多個詞。例如輸入solar(W)energy，會得到solar energy；輸入solar(N)energy可能會得到solar energy或者energy solar。

3.3 截詞檢索

截詞檢索是指在檢索詞的合適位置進行截斷，然后使用截詞符進行處理，既 可節省輸入的字符數目，也可達到較高的查全率。需要注意的是，任何一種 截詞檢索，都隱含著布爾邏輯中的“或”運算（劉振西、李潤松、葉茜，2006）。檢索符：“?”代表零或一個字符，“*”代表無限截詞符號。

（1）后截詞 ：輸入“book?”，檢索結果為“book”或“books”;輸 入“educat*”，檢 索 結 果 為“education” 、“educational”、“educator”。

（2）中截詞 ：輸入“s?w”，檢索結果為“saw” 、“sew”。

3.4 字段檢索

字段檢索是指根據標題、作者、摘要、關鍵詞、作者單位、文獻來源、學位授予單位、學位級別、會議信息、會址、會期、書名、出版地、出版年、專利號報告號、ISBN 和 ISSN 等字段檢索所需內容。

表2 常見字段檢索

3.5 全文檢索

全文檢索是一種將文件中所有文本與檢索匹配的文字資料檢索方法。全文檢索系統是按照全文檢索理論建立的用于提 供全文檢索服務的軟件系統，可將存儲于數據庫中整本書、整篇文章中的任 意內容信息查找出來，進行各種統計和分析。

3.6 精確檢索

精確檢索是指盡可能限定檢索范圍，以最快速度找到自己所需的檢索方式。在計算機輔助翻譯中采取精確檢索能夠提升檢索效率，避 免大量冗余信息。需要注意的是，采取該種檢索方法的前提是譯者對自己的檢索內容非常確定。

例 1

使用雙引號“”。檢索符含義：對引號中的內容不進行任何添加刪除處理進行檢索。

在 Google 中檢索短語 knock down joint 會發現，除了包含完整關鍵詞 knock down joint的檢索結果外，還顯示了包含 knock down、joint 等關鍵詞和關鍵字的結果。將整個關鍵詞 knock down joint 加上雙引號“”進行檢索，結果則只剩下包含完整關鍵詞knock down joint 的詞條。

例 2

使用布爾邏輯檢索符“-”。檢索符意義：排除減號“-”后面的內容。“Bass”在中文中既指一種低音樂器（貝斯），同時也有“鱸魚”之意。如要在搜索引擎中僅查找有關“貝斯”的檢索詞條，需在檢索框中輸入“bass[空格] -fish”，就可以把有關鱸魚的檢索詞條全部屏蔽掉。

4 結語

除了電子詞典與工具書，在進行翻譯實踐時，搜索引擎已經成為翻譯實踐工作必不可少的工具。與此同時，在使用搜索引擎輔助翻譯時也要辨別檢索結果的真偽，避免出現偏差、低質量或違法的結果。

參考文獻

[1]李躍珍.信息檢索與利用[M].杭州：浙江大學出版社,2006.

[2]劉廷元,邵衛東,湯凝.信息檢索原理教程[M].北京：北京交通大學出版社,2008.

[3]劉彥平.關于網絡搜索引擎及其優化的討論[J].電子商務,2011(04).

[4]劉振西,李潤松,葉茜.實用信息檢索技術概論[M].北京：清華大學出版社，2006.

[5]徐劍,柯貴明.網絡爬蟲技術在搜索引擎中的應用[A].全國第21 屆計算機技術與應用學術會議（CACIS·2010）暨全國第 2 屆安全關鍵技術與應用學術會議論文集[C]. 2010.

[6]趙慧,李春明,鮑可進.一種基于 DotLucene 搜索引擎的知識庫中文全文檢索系統[A].第二十二屆中國數據庫學術會議論文集[C].2005.