基于漢法平行語料庫的唐詩語言特征研究

李婷婷

一、引言

唐詩代表了中國古典詩歌的最高成就，是中華文化和世界文化的寶貴財富，體現了中國人民的審美智慧，展現了中國語言文字的魅力。中國古詩詞的魅力深深吸引了國外讀者。早在18世紀，法國來華傳教士杜赫德便在其著作中談到了中國詩歌。19世紀下半葉至今，法國漢學家對于唐詩的翻譯和研究一直從未間斷，其中具有代表性的譯者有德里文、葛戴密、喬治·雅熱等。國內也有很多的翻譯家為唐詩的翻譯傳播做出了巨大貢獻，其中代表性的有徐仲年、梁宗岱、程抱一、許淵沖等。仔細閱讀各種版本的唐詩法譯本，我們可以發現每個譯本的用詞和句子構成都各不相同，存在著差異。但是如果用傳統的翻譯研究方法去研究各個譯本之間的差異，就會缺少定量分析，其分析結果是很難令人信服的。語料庫翻譯學的出現，為研究譯本的翻譯風格指明了一條新的道路。語料庫翻譯學是以語料庫為基礎，借助語言學、文學、文化等方面的理論，對雙語語料的翻譯現象、翻譯方法等進行系統分析的一門科學。

迄今為止，國內暫無專家學者運用語料庫翻譯學的研究方法，將定量分析和定性分析相結合來對唐詩法譯本的譯者風格進行分析和探討。因此，本文擬以許淵沖的《精選唐詩與唐畫》（法漢對照）和喬治·雅熱的《唐詩三百首詩選》（以下簡稱許譯和喬譯）為語料，自建小型唐詩中法文平行語料庫，運用語料庫語言學的研究方法來研究兩個譯本的語言特征。

二、唐詩平行語料庫的創建

（一）語料選擇和收集

筆者首先從許淵沖的《精選唐詩與唐畫》（法漢對照）中選取了10首詩歌的中法文，然后從喬治·雅熱的《唐詩三百首詩選》內找到對應的10首法譯本。第一步，通過OCR軟件對所有語料進行掃描并轉成Word文檔，然后進行人工核對。漢語語料有一個，命名為cn-tangshi；法語語料有兩個，命名為fr1-tangshi和fr2-tangshi，fr1為前綴文件，代表許淵沖譯文，fr2為前綴文件，代表喬治·雅熱譯文。

（二）語料清洗

語料清洗就是指對文本進行除噪處理，即消除文本的內容問題和格式問題，以獲得清潔文本的過程。在對唐詩語料進行降噪處理的過程中，筆者主要以人工校正為主，并輔以MS office Word 2016的內置功能來進行清理。首先，利用MS office Word 2016的法語糾錯功能，查找并修改文本中包括亂碼在內的單詞拼寫錯誤和語法錯誤等。處理完唐詩語料的文本問題之后，接著，筆者便使用MS office Word 2016的內置功能來解決文本的格式問題。語料清洗工作完成之后，將所有已清洗的文本另存為txt文檔，編碼格式設置為UTF-8，來方便進行之后的語料分詞和標注工作。

（三）語料加工

語料加工，即運用合適軟件進行文本分詞和標注處理。所謂分詞，指將一連串的字符轉換成相互分離、容易識別的形符的過程。詞性標注是指根據文本中上下文信息，自動標注文本中所有詞的詞性的過程。研究中，由于漢語和法語文字存在不同的構詞特征，所以筆者對法語語料和漢語語料分別進行了加工處理，主要步驟如下。

1.法語語料加工

由于法語屬于拼音文字，詞與詞之間的界限十分明顯，因此，我們就不需要對法語文本進行分詞處理，只需要進行詞性標注，以便于后續進行法語文本的詞匯密度統計。對于法語文本的詞形標注，筆者主要運用的是Tree tagger軟件來進行。該軟件標注簡單快捷，詞性賦碼標注符合法語詞性劃分的標準，準確率極高。

2.漢語語料加工

漢語語料加工主要涉及兩個操作：漢語文本的分詞和標注處理。在本研究中，筆者使用了國家語委開發的分詞軟件CorpusWordParser來對唐詩原文進行分詞和標注處理。由于詩歌表達結構的特殊性，筆者在使用該軟件進行一鍵分詞和標注之后發現了有些地名和人名沒有被分詞軟件識別，造成了“黃/nh 鶴樓/ns 送/v 孟/a浩然/a 之/u 廣陵/ns”“故人/n 西辭黃鶴樓/ns”“ 姑/n蘇/nhf 城外/nl 寒山寺/ns”中的詞形標注出錯，如“孟浩然”被分開標注且標記為形容詞、“西辭”沒有單獨標記等問題。

3.語料檢索

由于筆者研究的是兩個法譯本的譯者風格，而Paraconc只能實現一對一平行語料的檢索，因此筆者使用了由中國傳媒大學開發的CUC-Paraconc作為檢索軟件，來對唐詩的法漢平行語料進行檢索和分析。CUCParaconc軟件是一款免費共享綠色軟件，最多可實現1對16的平行語料檢索，這一點恰好彌補了Paraconc的不足。但是CUC-Paraconc對原文和譯文的對齊方式要求非常嚴格，必須完全對齊才能實現檢索，因此，語料是否真正實現對齊，通過CUC-Paraconc軟件便可以檢測出來。以《春望》中“春”字的法譯對比分析為例，筆者運用CUC-Paraconc進行了檢索：打開軟件，點擊“一對多平行語料檢索”，進入“加載語料及檢索參數設置”界面，選擇“源文本目錄”及“保存目錄”，將“選擇譯本數”設為2，“文本編碼”設為“Default”，在“檢索和提取”界面的“原文關鍵詞”欄中輸入“春”，檢測結果正常顯示在軟件頁面中，由此可見平行語料庫創建成功。

通過檢索結果可知，筆者所收集的語料中共有5條相匹配的句對，其中每一對應單元的最上面是漢語原文，兩位譯者都在與“春”相關的表述中使用了“printemps”一詞，但是采用不同的表達來翻譯與“春”相關的字眼或者詩句，讓讀者直觀地看到了不同背景譯者的不同處理方式。

三、基于唐詩平行語料庫的語言特征研究

胡開寶教授指出，翻譯語言特征大致分為翻譯語言共性和具體語言對翻譯文本的語言特征兩大類，具體語言對翻譯文本的語言特征主要表現在詞匯、句法等層面。本研究中，筆者主要利用WordSmith 6.0軟件從詞匯和句法兩方面對唐詩的兩個譯本進行語言特征的分析研究。

（一）詞匯特征

詞匯是語言的最小單位。研究譯文的詞匯特征有利于人們更好地了解譯者的用詞特點。譯本的詞匯特征可以利用語料庫分析軟件，通過分析文本的類符/形符比、詞匯密度、平均詞長、詞長分布等相關數據得出。

1.類符/形符比

類符/形符比（STTR），是指文本中不同單詞或漢字的數量與文本內單詞或漢字總數之間的百分比。一般來說，類符/形符比越高，譯者的用詞就越豐富。

根據相關統計數據，唐詩原文的STTR值為88.48，高于許譯本和喬譯本，由此可見，唐詩漢語原文的用詞豐富。許譯本的STTR值為53.68，而喬譯本的STTR值為51.42，這說明許譯本比喬譯本用詞更為豐富，從另一個側面說明喬譯本譯者使用解釋性語言的程度更高。另外，筆者通過對比發現，許譯本和喬譯本的形符數都明顯高于唐詩原文，有趨向顯化的特征，即將唐詩文本中隱含的信息以明確的方式解釋給讀者聽，以方便讀者感受唐詩原文的意境。

2.平均詞長和詞長分布

平均詞長是指一個文本所有單詞的平均長度，這個平均長度反映了文本的整體用詞難易度。詞長標準差是指文本每個單詞與平均詞長的差異，它能反映文本單詞詞長的分布情況。筆者使用WordSmith 6.0軟件得到的平均詞長和詞長標準差結果如表1所示。

表1 平均詞長和詞長標準差統計表

表1結果顯示，喬譯本的詞長標準差為2.44，大于許譯本的2.08，這正好說明喬譯本中單詞詞長差異比較大，說明喬譯本中譯者所用單詞與許譯本相比，難度要更大一些。筆者通過WordSmith 6.0軟件形成的這兩個譯本的詞長分布情況正好驗證了這一點，具體數據見表2。

表2 詞長分布情況統計表

續表

通過表2數據我們可以看到，兩個譯本中使用頻率高的詞匯均為由2個字母構成的單詞，且兩個譯本90%以上的單詞均由1～6個字母組成的單詞構成，這說明兩個譯本譯者均考慮了譯者的受眾群體，傾向于選用較簡單的單詞去翻譯文本，以便讀者能更好地理解詩文內容。

同時，統計數據也顯示出，喬譯本的詞長跨度為1個字母到16個字母單詞，許譯本詞長跨度為1個字母單詞到10個字母單詞。可見，喬譯本詞長跨度明顯大于許譯本。文本詞長與文本閱讀難度成正比，由此可見，許譯本用詞比喬譯本更為簡單，從人類認知規律來看，許譯本更易于被讀者理解，更適合進行詩歌誦讀。

（二）句法特征

譯文句法特征主要體現在譯文的平均句長、平均句段長、各類句式結構的使用頻率上。筆者利用Wordsmith6.0軟件對平均句長及句長標準差的統計結果如表3所示。

表3 平均句長和句長標準差統計表

1.平均句長

平均句長在一定程度上體現了句法結構的復雜程度，體現了總形符數與句子總數之間的比值關系，平均句長越短，說明譯文句子的結構越簡單，句子意思越容易理解。由表3數據來看，筆者所選十首唐詩原文，兩個譯本平均句長明顯高于漢語平均句長，這表明，由于中國詩歌以短小精練、意韻深遠為特點，單個漢字便能體現出深刻的內涵，需要譯者用語言去表達出來，兩個譯者為了較準確傳達出詩歌意義和內涵，均選擇顯化翻譯的方式，通過解釋性語言來盡可能地傳達詩文意思。與此同時，通過表3數據，筆者還發現許譯本的平均句長遠低于喬譯本的平均句長，許譯本是11.31，而喬譯本是16.92，由此可見，喬譯本句子比許譯本句子結構更為復雜。

2.句長標準差

標準差是反映數據分布離散程度的量化形式，句長標準差反映了每個句子長度與文本平均句長的差異。標準差越大，說明文本中句長差異越大。從表3數據可以看出，許譯本的句長標準差為5.72，而喬譯本則為8.17，顯然，喬譯本的標準差明顯大于許譯本，由此可見，喬譯本中句子之間長度差異較大，而許譯本的句長分布相對平穩。

四、結論

筆者在本文中基于自建的小型平行語料庫，利用語料庫相關軟件對兩個不同文化背景的譯者的唐詩譯文的語言特征進行了分析和研究。通過對兩個譯本的詞匯特征和句法特征的分析可以看出，喬譯本的詞匯密度大，用詞更為豐富，譯者以自由體翻譯的方式再現了原文詩歌的意境，符合西方人的語言習慣，適合西方人去閱讀；而許譯本句長標準差明顯低于喬譯本，句長基本保持一致，采用了意譯歸化的策略，譯者在翻譯上更貼近唐詩意境和韻律特點，形式上也顯得更加整齊。通過研究我們也發現，僅靠單一的語言特征的定量分析還不足以完全揭示譯者風格的差異。因此，在以語料庫為基礎進行譯者風格研究時，還需要結合譯者的翻譯觀、譯者所處社會的政治文化等因素，將定性和定量數據相結合，才能全方位了解譯者的風格。