自然語言處理專業英語的詞匯特征

自然語言處理是一門時下十分火熱、在國內外都備受關注的交叉學科，其文本具有專業性強、用詞簡潔、合成詞多等特點，而其漢譯研究尚不充分。本文將自然語言處理專業英語歸納為專業術語、次專業術語、縮略語和合成詞四類，并對相應的漢譯策略提出了筆者自己的見解。

自然語言處理NLP是人工智能領域近年來火熱的研究方向，聊天機器人、人工智能翻譯軟件等都是NLP技術的具體應用。其中，OpenAI于2022年11月30日發布的ChatGPT由于具有驚人的自然語言理解和生成能力，引起全社會廣泛關注，并很快被廣泛應用于各個行業，各種基于ChatGPT的應用層出不窮，僅用兩個月，ChatGPT的月活躍用戶數便達1億。

ChatGPT的火熱給自然語言處理領域帶來了更多的關注，越來越多的人希望了解或參與到自然語言處理研究中來。但很多自然語言處理領域的文章由英文寫成，且專業術語和新造詞較多，理解難度較大，而現在對該領域漢譯的研究還不夠充分。筆者通過本文對自然語言處理英語的詞匯特征加以總結，將自然語言處理專業英語歸納為專業術語、次專業術語、縮略語和合成詞四類，并提出相應的漢譯策略。

自然語言處理英語的詞匯特征

根據全國科學技術名詞審定委員會的定義，專業術語是各門學科的專門用語，在專業范圍內表示單義的專門概念。自然語言處理英語作為科技文本，其中存在大量專業術語，又因為自然語言處理是一門融語言學、計算機科學、數學于一體的交叉學科，很多專業術語和這三個學科共用。

另外，自然語言處理領域還存在不屬于以上三個學科的專業術語。

次專業術語是借用普通詞匯來表達專業含義，發生術語化的詞匯。術語化即當一些普通詞匯在被應用到專業領域時，成為具有嚴格科學含義的專業術語。在自然語言處理領域有很多這樣的次專業術語。

縮略語。經濟性原則是人類語言交流的重要原則之一。在自然語言處理領域很多需要頻繁使用的專業術語如果使用全稱，不僅會破壞行文的簡潔性，還不利于讀者閱讀和理解，例如Transformation and Discourse Analysis Project （TDAP，轉換和話語分析課題）。在不造成誤解的前提下，自然語言處理英語會使用這些術語的縮略語。

自然語言處理英語中的縮略語可以分為以下三種。

單詞首字母縮略，即保留短語中各單詞的首字母，再用這些字母組成一個單詞，如MLE（Maximum Likelihood Estimation，最大似然估計）、HMM（Hidden Markov Models，隱馬爾可夫模型）、SVM（Support Vector Machine，支持向量機）。術語中的介詞和連詞等成分在縮略時一般可以省略，如NIST（National Institute of Standards and Technology，國家標準與技術研究院），但有些情況下為了保留詞義的完整性也可以保留介詞成分，如POS tagging（Part-of-Speech tagging，詞性標注）。復數名詞性短語的縮略語，有時會保留尾部的-s，如PPMVs（Pairs of Potential Morphological Variants，潛在形態變體偶對）、NNs（Neural Networks，神經網絡）。還有些特殊情況下，為了避免混淆或便于理解，短語中的部分單詞可能不是僅保留首字母，而是保留前幾個字母，如TREC（Text REtrieval Conference，文本檢索會議）、NOR（Noisy-OR，“噪音或”模型）。

截短詞即對原來完整的詞進行加工，截取其中一部分字母，構成新詞。一般截取前幾個字母，如Det（determiner，限定詞）、cat（category，范疇）、agr（agreement，一致）。有時，為了避免混淆會多截取幾個字母，如comp（complement）。還有的時候，會提取單詞中各詞根的首字母，如sg（single，單數）。另外，短語也可以縮略為截短詞，如MaxEnt（Maximum Entropy），取短語中每個單詞的前幾個字母，將它們組合成一個單詞。

自然語言處理英語中還存在半縮略詞或稱混合縮略詞，即一個短語或組合詞中部分單詞縮略，部分不縮略，如E-step（Expectation-step，期望步）、M-step（Max-step，最大步）、EM Algorithm（Expectation-Maximization Algorithm，EM算法、最大期望算法）。這類縮略詞的共同點是，省略部分一般是修飾成分，未省略部分通常是名詞性結構中的中心語。但在有些情況下，尤其是在一些應用名稱中，為了突出應用的特點，可能會保留修飾成分，而縮略被修飾成分，如AutoML（Auto Machine Learning，自動機器學習）；或者選取修飾成分中最突出的字母，而非首字母縮略，如XGBoost（eXtreme Gradient Boosting，極限提升樹）。

合成詞。英語單詞派生法，按照詞根是否加詞綴以及在何種詞根上加詞綴，可以分為三級：零級派生、一級派生和二級派生。這里主要探討由零級派生產生的復合詞，以及由二級派生產生的二次派生詞，以及使用連字符的情況。

復合詞（compound word）由自由詞根+自由詞根+零派生詞綴合成，如benchmark（基準）、headword（中心語）、treebank（樹庫）、downstream（下游）等。

自由詞根加詞綴為二級派生。其基本派生方式為“自由詞根 + 派生詞綴”，二次派生詞（Secondary Derivative），如semilattice（半格）由前綴semi-加自由詞根lattice組成，monotone（單音調）由前綴mono-和自由詞根tone組成，hyperplane由前綴hyper-和自由詞根plane組成。

連字符只與自由詞根連用，可添加在自由詞根之間，也可添加在自由詞根與派生詞綴之間，基本發生在二級派生的情況下。在自然語言處理中，主要用在臨時綴合或尚未得到公認的復合詞或二次派生詞中。

一些固定短語表達為了和普通短語做區分，會使用連字符，如“state-of-the-art”（最先進的）、“Part-of-Speech”（詞性、詞類）。另外，還有些不屬于復合詞或二次派生詞的結構也可能使用連字符，如“feature-value”（特征-值）使用連字符來表示特征和值一一對應。

自然語言處理英語作為科技文本，具有專業性強的特點，由于自然語言處理屬于交叉學科，在翻譯其專業術語和次專業術語時，往往需要先判斷其學科所屬，然后采用直譯或直譯配合增譯和引申的方法進行翻譯。自然語言處理文本還具有用詞簡潔的特點，多使用縮略語，本文將這些縮略語總結歸納為三類：單詞首字母縮略、截斷式縮略和部分縮略，其漢譯法包括直譯法、結合上下文加范疇詞、意譯等，在很多情況下可以使用零翻譯法。作為時下熱門的新興學科，自然語言處理領域每年都會產生很多新的術語，其中以各種合成詞居多，筆者主要探討了復合詞、二次派生詞以及使用連字符的情況。其主要翻譯方法為直譯法，有時需要辨析使用的是其原意還是引申義。對于連字符，首先要判斷其使用情況，再進行翻譯。

（作者單位：桂林電子科技大學外國語學院）