小型商務文本英漢平行語料庫的建設與應用

陳少琛

（寧波工程學院外國語學院，浙江 寧波 315211）

0 引言

語料庫語言學的興起為翻譯研究提供了一個新的視角和方法，推動了翻譯相關的語料庫建設，為翻譯學開啟了新的研究范式。Baker[1]在1993年闡述了語料庫在譯學研究中的作用，為語料庫翻譯學研究開辟了新的天地。通過語料庫的方法，可對源語文本和翻譯語料進行統計、比較和分析，以研究翻譯語言特征、譯者風格和翻譯規范，因此，語料庫翻譯學成為譯學研究的重要領域[2]。在各類語料庫中，與翻譯關系最為緊密的莫過于雙語平行語料庫。雙語平行語料庫被廣泛應用于語言研究、翻譯研究、外語教學和跨語言信息檢索，可為翻譯教學和研究提供可靠的翻譯實例和量化數據[3]。國內研發了多個通用雙語平行語料庫，包括中國科學院漢英平行語料庫、南京大學雙語詞典研究中心英漢雙語平行語料庫、清華大學中英平行語料庫、北京外國語大學雙語平行語料庫等，其在語言學研究和自然信息處理中的作用愈發重要[4]。

但是，目前的英漢平行語料庫多為通用語料庫，針對性不強，且大多無法公開訪問，難以滿足特定領域的翻譯教學和研究需求。因此，筆者特構建小型商務文本英漢平行語料庫，以滿足商務領域翻譯資源建設、翻譯理論和技巧學習、翻譯實踐應用等需求，可為商務文本的語言特征對比、文體風格分析和翻譯研究提供可靠的數據，為學生的學習和實踐提供真實的語料。

1 語料庫的建設

1.1 語料庫的設計

本語料庫建設的目的是服務商務翻譯的教學和研究，因此在語料構成方面依照商務文本的類型設定，分成幾大類：公司介紹、產品推介、貿易單證、企業年報、招股章程、行業報告、經濟政策、商業新聞等。每一大類的語料規模盡量均衡，并兼顧英漢和漢英兩種方向，其中英漢約占1/3，漢英約占2/3。

語料選取把握三個原則：真實性、相關性和高質量。本語料庫大部分語料都是在商務場景中被實際運用的語料，來源主要為企業網站、政府網站、經濟論壇、新聞網站、權威教材等，確保語料的真實性。語料的選取嚴格依照語料庫的內容分類進行采樣，每個大類確保一定的語料數量，保證語料內容與商務主題高度相關。此外，為了確保譯文的質量，在語料采集時嚴格控制語料來源，僅選擇權威網站或教材的雙語材料，比如，企業材料選擇大型跨國企業或在境外上市的中國公司的官網資源，從其中文網站和英文網站上獲取對應的雙語語料，新聞語料從提供雙語文本的網站獲取，如China Daily、Financial Times等。

所有語料實現源語和目的語文本句級對齊，并進行分詞和詞性標注，便于考察文本特征、分析源語文本和目的語文本之間對應關系、探討翻譯策略和方法，以滿足教學和研究的需要。

1.2 語料的加工

1.2.1 語料的采集

語料的采集分成三種類型：網頁抓取、文檔下載和紙質教材。網頁語料主要從目標站點抓取，保存為TXT文件。以文檔形式存在的語料從相關網站下載，多為PDF格式，使用PDF編輯器轉換為Word格式保存。紙質教材通過掃描，保存為圖片格式，然后通過圖文識別軟件識別文字，導出保存為TXT文件。

1.2.2 語料的清洗

使用EmEditor對文本進行降噪處理，利用正則表達式和查找、替換的功能，去除多余的空行、回車、字符和其他不利于后期處理的干擾信息，添加必要的標記符號，編輯后的文本統一保存為TXT文件，編碼為utf-8格式。

1.2.3 語料的對齊

語料的對齊使用ABBYY Aligner進行英漢雙語的自動對齊，再輔以人工校對和調整，依照原文句子對齊，進行適當的切分或合并。所有語料實現句級對齊，導出TMX格式文件和雙語對照的Word文件，TMX文件保存用于翻譯記憶庫，Word文件進一步轉換成TXT文件，原文和譯文分成兩個文檔，文件名相同，英文文檔文件名后添加“.EN”，中文文檔添加“.CN”。

1.2.4 語料的標注

為了實現中文文本的檢索和統計，需要先進行分詞和詞性標注。中文的分詞和詞性標注使用NLPIR-Parser系統（ICTCLAS分詞系統）[5]，該系統分詞的準確率較高。利用該分詞系統，完成對中文文本的分詞和詞性賦碼。英文文本的詞性標注采用TreeTagger軟件。軟件標注詞性后，進行人工檢查和調整。

1.3 語料的檢索

語料的檢索主要使用ParaConc和WordSmith。Para-Conc主要利用其平行文本的檢索功能，對某些字符匹配的對應翻譯進行檢索，利用熱詞搜索功能，對字符常用的對應譯詞進行統計，利用詞頻統計功能，對不同文本的詞頻進行統計和比較。WordSmith主要用于：統計語料的形符、類符、平均句長和詞長等數據，以分析語料的語言特征；進行某些詞匯的檢索，統計詞頻，制作關鍵詞詞表。

2 語料庫的主要應用

目前本語料庫的規模約為100萬字詞，涵蓋八大商務主題，所有對齊語料各有三個版本，即tmx格式版本、未標注詞性版本和完成分詞和詞性標注版本，可滿足不同的需求。

2.1 商務文本的語言特征和文體分析

不同類型的商務文本有著不同的語言特征和文體風格，這對翻譯策略和方法的選擇有著重要的意義，在商務翻譯教學中，需要提高學生的文體意識，確保譯文符合文體風格方面的要求。因此，可以利用本平行語料庫，對不同類別的商務文本進行類符/形符比、詞匯密度、平均句長、高頻詞等方面進行統計和比較，以分析各類文本的語言特征，從而歸納總結特定文本類型的文體風格，并可對原創文本和翻譯文本進行語言特征的對比，以考察翻譯文本特有的語言特征。

2.2 特定詞匯的運用和轉換

通過語料檢索，可以考察源語文本和翻譯文本在詞匯層面的對應關系，統計特定詞匯的使用情況，包括詞頻、詞語搭配、語義韻等，加深學生對特定詞匯使用的認識。還可以通過獲取具體的翻譯數據，統計特定詞匯對應的常用譯詞，結合譯詞所在句子的上下文，分析翻譯中詞義選擇的考量因素，總結詞義選擇的方法。

2.3 翻譯策略和方法的分析

翻譯策略和方法的教學是商務翻譯教學的重點，在教學中可以利用本英漢平行語料庫，對特定商務術語、文化詞匯和修辭性表達的檢索，獲得大量的翻譯實例，結合例子，分析針對某些特定的表達，譯文中做出了哪些調整，采用何種翻譯策略和方法，分析其背后的原因，總結翻譯策略和方法使用的原則，以此提高學生的翻譯能力。

2.4 商務翻譯實踐練習的輔助

完成句級對齊的語料可以作為學生進行翻譯實踐練習的輔助材料，為學生的練習提供術語和翻譯實例參考。可結合Trados、Wordfast等機輔翻譯軟件，導入雙語對齊的語料，一方面可制作成術語表，規范術語的使用，另一方面導入記憶庫，輔助學生的翻譯過程，為學生掌握基礎的翻譯技術提供語料的支撐。

3 結語

商務翻譯是應用翻譯的重要組成部分，商務翻譯的研究和教學需要跟上時代的發展。商務英漢平行語料庫的建設，可為商務翻譯研究提供真實的語言數據，對商務翻譯的語言特征進行充分的描述，揭示商務文本的文體特征和翻譯規律。利用語料庫的資源，可以改進商務翻譯教學的模式，為現有的教學內容提供有效的補充，改變傳統基于教材的學習方式，融入語料庫手段，培養學生利用語言數據和語料庫技術的能力，以探索語言差異和語言轉換的規律。希望通過本語料庫的建設，幫助實現翻譯研究、翻譯教學和實踐的有機結合，為商務翻譯的研究和教學貢獻一份力量。