《脊柱相關(guān)疾病》語料庫建構(gòu)研究＊

趙 嬋 陳瀅竹

（1.南寧師范大學(xué)，廣西南寧 530001；2.廣西中醫(yī)藥大學(xué)，廣西南寧 530200）

0.引言

《脊柱相關(guān)疾病》[1]是著名骨傷科專家韋貴康教授主編的骨傷科臨床診療叢書中的一部。該書從中國傳統(tǒng)中醫(yī)的視角，對與脊柱相關(guān)的疾病進(jìn)行了較為系統(tǒng)的研究和整理。這本書的出版有助于提高中醫(yī)臨床實踐、中醫(yī)教學(xué)、中醫(yī)科研水平，從客觀上加強(qiáng)中醫(yī)骨科作為臨床醫(yī)學(xué)的學(xué)科建設(shè)。之后，蔣基昌等學(xué)者將這部書翻譯為英文，引入國際醫(yī)學(xué)界，為國外醫(yī)學(xué)工作者了解中醫(yī)作出了貢獻(xiàn)。

1.文獻(xiàn)綜述

國內(nèi)外學(xué)者越來越多地借助計算機(jī)技術(shù)建立與中醫(yī)相關(guān)的語料庫，為中醫(yī)典籍提供更全面、細(xì)致的研究。例如，聞永毅、樊新榮[2]（2011）從語料庫語言學(xué)的視角討論了《黃帝內(nèi)經(jīng)》中文單語語料庫的構(gòu)建方法和步驟。2003 年，這兩位學(xué)者又就中醫(yī)英文語料庫構(gòu)建的可行性進(jìn)行了探討[3]。國內(nèi)從事這類研究的學(xué)者不多，且多為單語語料庫研究。涉及中醫(yī)外宣材料雙語平行語料庫構(gòu)建的研究更不多見。

本文以語義學(xué)理論為基礎(chǔ)，結(jié)合計算機(jī)技術(shù)系統(tǒng)研究《脊柱相關(guān)疾病》中文語料庫和中英雙語平行語料庫的構(gòu)建方法和步驟，以期為我國現(xiàn)代中醫(yī)成果外譯盡一份綿薄之力。

2.《脊柱相關(guān)疾病》中文、中英雙語平行語料庫的建立

2.1《脊柱相關(guān)疾病》中文單語語料庫的建立

輸入數(shù)據(jù)前，先對文本做一些處理，以確?！都怪嚓P(guān)疾病》中文語料庫建立工作的順利開展。處理如下：（1）人工篩選該書中文版的非醫(yī)學(xué)內(nèi)容。（2）編輯和整理篩選過的中文文本。如刪除多余的空格等。（3）初步標(biāo)注中文文本信息。如標(biāo)出文本的標(biāo)題和段落，并將其保存為純文本格式，生成《脊柱相關(guān)疾病》中文生語語料庫。該語料庫的文本樣例如下：＜P＞脊柱構(gòu)成人體的中軸……＜/P＞。

中文語料庫建構(gòu)工具使用的是Word Smith Tools8.0。因為它不僅能提供基本檢索項目，如字詞檢索、生成詞表等，還能提供形符比，標(biāo)準(zhǔn)形符比等其他統(tǒng)計量。此外，還增加了新功能如單獨導(dǎo)出一致性詞等。該工具的運用可增加生語語料庫提供的檢索項目。

2.1.1 庫文件的分詞處理

生語語料庫有限的檢索項目不能滿足使用者的需求，也不利于我們建構(gòu)中英雙語平行語料庫。因此，我們對中文生語語料庫文件進(jìn)行分詞處理，以實現(xiàn)檢索中文多字詞的目標(biāo)。經(jīng)過初步處理的《脊柱相關(guān)疾病》中文生語語料庫為70331 字。目前廣泛應(yīng)用的現(xiàn)代漢語分詞系統(tǒng)在分詞的同時，可同步完成語料詞性的標(biāo)注。但由于《脊柱相關(guān)疾病》屬于醫(yī)學(xué)類專著，專業(yè)性高，現(xiàn)有的中文分詞系統(tǒng)在分詞和詞性標(biāo)注時，準(zhǔn)確性很難保證，所以本研究先采用了自動分詞技術(shù)，再結(jié)合人工干預(yù)進(jìn)行調(diào)整和修訂，以確保分詞和詞性標(biāo)注的準(zhǔn)確性。分詞樣例如下：＜P＞脊柱構(gòu)成 人體 的 中軸……＜/P＞（共5 個詞）。

2.1.2 語料庫的標(biāo)注

此外，我們還參考其他學(xué)者，如聞永毅、樊新榮；詹衛(wèi)東等[4]使用的語義分類法和研究思路對經(jīng)過分詞處理的語料庫進(jìn)行語義標(biāo)注。這主要通過語義分類系統(tǒng)和語義賦碼系統(tǒng)實現(xiàn)。

（1）語義分類的實施步驟。

1）形成詞表。運用語料庫檢索工具Wordsmith8.0提取經(jīng)過分詞處理的《脊柱相關(guān)疾病》文件中的詞匯，形成詞匯表。

2）建立語義標(biāo)注手冊。首先，根據(jù)語義學(xué)的上下義關(guān)系、同義關(guān)系等原則對詞匯表的詞匯進(jìn)行分類，建立語義層級和分類標(biāo)準(zhǔn)，初步形成語義標(biāo)注手冊。其次，請3個具有中醫(yī)醫(yī)學(xué)背景的碩士研究生依據(jù)這個手冊分別進(jìn)行試標(biāo)注。如有爭議，三者進(jìn)行協(xié)商，最終達(dá)成一致，從而調(diào)整分類的層級和標(biāo)準(zhǔn)，形成最終的語義標(biāo)注手冊。不同語義層級的“語義標(biāo)注符號”根據(jù)這組詞匯最具原型性的詞語或上位詞命名。如找不到合適的詞語，則由3 名研究生討論決定。

不同語義層級之間主要有以下3 種關(guān)系：①上下義關(guān)系。即上一語義層級和下一語義層級是包含和被包含的關(guān)系，具體可細(xì)分為分類關(guān)系、層級關(guān)系、部分和整體關(guān)系等。如病癥（一級語義層級）包括臂厥、眩暈、心悸、血痹、筋痹、骨痹等二級語義層級。②同義關(guān)系。這類關(guān)系可按照不同的標(biāo)準(zhǔn)劃分為近義或同義關(guān)系、反義關(guān)系等。如脊柱生理曲度（二級語義層級）下含胸曲、骶曲、頸曲與腰曲（三級語義層級）。這是按功能或?qū)傩韵嗤蛳嗨苿澐值慕x或同義關(guān)系。③系統(tǒng)外關(guān)系。主要是虛詞和標(biāo)點符號等。這樣語義標(biāo)注手冊就形成了一個縱橫交錯的語義關(guān)系網(wǎng)?？v向為具有上下義關(guān)系的詞群；橫向為具有同義/反義關(guān)系特征的詞群?？v向頂端的一級語義層級被設(shè)定為一級標(biāo)注符號；向下依次為二級、三級等。

（2）語義賦碼。采用計算機(jī)賦碼和人工輔助修正相結(jié)合的方法對語料進(jìn)行賦碼。為了提高語義賦碼的效率和準(zhǔn)確性，項目組依據(jù)語義標(biāo)注手冊開發(fā)了一款賦碼工具。賦碼工具將不同語義層級對應(yīng)為不同的節(jié)點。一級語義層級對應(yīng)節(jié)點I；其他語義層級依次類推。賦碼之后的文件樣例如下：【標(biāo)注文件I】＜P＞脊柱＜構(gòu)件＞ 構(gòu)成＜關(guān)系＞人體＜構(gòu)件＞ 的＜虛詞＞ 中軸＜構(gòu)件＞……＜st＞。

分層標(biāo)注語料庫，拆分語義節(jié)點，形成相對獨立的語義節(jié)點集合。每個集合只有各自的成員。如一級標(biāo)注符由人、構(gòu)件、疾病、藥物等節(jié)點構(gòu)成。一級標(biāo)注符疾病下包含了與疾病相關(guān)的全部二級標(biāo)注符，如種類、癥狀、療法等。不同級別的標(biāo)注符分別存儲至不同文件夾。進(jìn)行語義賦碼時，需注意以下幾點。

1）降低語料庫開發(fā)人員對標(biāo)注體系的影響。李文中[5]指出，實施賦碼的人員不僅需要良好的語言直覺，還需要經(jīng)過嚴(yán)格的訓(xùn)練和實踐。聞永毅、樊新榮指出，語料庫開發(fā)人員的主觀意識會反映于語料庫的標(biāo)注體系，影響語料庫的使用價值和適用范圍。我們讓3 位具有中醫(yī)背景的碩士研究生分別進(jìn)行標(biāo)注，對有爭議的標(biāo)注進(jìn)行協(xié)商討論形成一致結(jié)果，以確保語料庫標(biāo)注的客觀性。

2）注意語義標(biāo)注符數(shù)量對語料庫的影響。國內(nèi)外大部分學(xué)者認(rèn)為，語料庫的標(biāo)注為語料庫的有效使用提供了基礎(chǔ)。語料標(biāo)注的信息越詳細(xì)，語料庫能提供的信息越多（Leech[6]，1997a:2;Hunston[7]2002:79）。Sinclair[8]認(rèn)為，語料庫不應(yīng)使用過多的語義標(biāo)注符。語義標(biāo)注符過多將對語料庫標(biāo)注、校對、維護(hù)等造成負(fù)擔(dān)。因此，本項目的語義標(biāo)注符絕大多限制在四級，極少數(shù)有五級。

（3）語料庫的檢索。檢索是語料庫的基本功能。《脊柱相關(guān)疾病》中文語料庫直接使用Wordsmith8.0 提供的檢索功能，因為該軟件能提供更多的數(shù)據(jù)類型和統(tǒng)計結(jié)果。此外，《脊柱相關(guān)疾病》經(jīng)過賦碼后的語料雖然根據(jù)標(biāo)注符號的級別存儲在不同的文件夾，但是因為其初始文件都是同一個經(jīng)過分詞處理的文件，故能實現(xiàn)一個檢索平臺可檢索各級庫文件的要求。

2.2《脊柱相關(guān)疾病》[9]中英文雙語平行語料庫的建立

《脊柱相關(guān)疾病》中英雙語平行語料庫的建立主要是為學(xué)者們進(jìn)行中醫(yī)醫(yī)學(xué)著作的中英文術(shù)語、語法等的對比研究奠定基礎(chǔ)；為譯員中醫(yī)醫(yī)學(xué)著作的翻譯提供中英對譯的術(shù)語和句子，以期減少譯員的工作量，提高他們的工作效率和我國中醫(yī)藥外宣材料的翻譯質(zhì)量，向世界講好中國故事。

我們運用了Tmxmall 在線對齊工具來構(gòu)建中英雙語平行語料庫。我們選擇該線上對齊工具原因有兩個：一是Tmxmall 的交互界面操作簡單；二是它可以自動對齊原文及譯文語料。在很大程度上減少人工干預(yù)的工作量，提高工作效率。操作步驟如下。

（1）進(jìn)入Tmxmall 在線對齊頁面，注冊賬號后登錄。

（2）選擇語言對，導(dǎo)入經(jīng)過初步處理的《脊柱相關(guān)疾病》的中英文對應(yīng)文檔。并通過 “上移”“下移”“合并”“拆分”等操作調(diào)整雙語文檔，使雙語文檔段落數(shù)一致。 這步需人工進(jìn)行。除了在Tmxmall 在線對齊頁面調(diào)整雙語文檔段落，也可在上傳文檔前就將中英文雙語文檔段落數(shù)調(diào)整一致。為了提高效率，本項目將中英文對應(yīng)的文檔分成5 份，由5 名英語專業(yè)本科生分別將各自負(fù)責(zé)的雙語文檔段落調(diào)整一致后，分別儲存為中文文檔和英文文檔，由兩名項目組成員檢查后，整合上傳Tmxmall 在線對齊頁面。

（3）段落對齊后，單擊頁面左上角的“對齊”， 系統(tǒng)會自動進(jìn)行中英文語句對齊。

（4）為了確保中英文文件對齊的準(zhǔn)確性，系統(tǒng)自動對齊后，我們依據(jù)句級對齊原則對系統(tǒng)生成的文本對齊文件進(jìn)行了人工核對和調(diào)整，最后將核對后的語料導(dǎo)出tmx格式的文檔。

此外，我們還運用Tmxmall 在線對齊系統(tǒng)提供的術(shù)語提取功能對編輯好的中英文對齊語料進(jìn)行術(shù)語提取，導(dǎo)出Excel 文檔和統(tǒng)計術(shù)語詞頻。將術(shù)語提取詞頻設(shè)置為3，也就是將在中英文對齊語料中出現(xiàn)頻次大于等于3 次的詞作為高頻詞進(jìn)行提取。而且系統(tǒng)提取的部分術(shù)語并不是嚴(yán)格意義的術(shù)語，還需對系統(tǒng)提取的術(shù)語進(jìn)行了人工篩選和調(diào)整。最終形成《脊柱相關(guān)疾病》中英文對齊語料和中英文術(shù)語表。

3.結(jié)語

本項目的兩個語料庫均是為提高中醫(yī)外宣翻譯質(zhì)量和翻譯教學(xué)質(zhì)量服務(wù)的，但側(cè)重點不同。大部分從事中醫(yī)外宣翻譯的譯者、從事中醫(yī)翻譯教學(xué)的教師并不具備中醫(yī)背景，中文語料庫的建立是可幫助他們更好地檢索原文，獲取原文的基本信息，更好地研究原文、理解原文。中英文平行語料庫的構(gòu)建可助力教師、學(xué)者的教學(xué)科研。他們可運用《脊柱相關(guān)疾病》中英雙語平行語料庫的檢索功能獲取需要的數(shù)據(jù)類型和統(tǒng)計，分析單詞、詞組、句式的運用，總結(jié)中醫(yī)外宣材料翻譯適用的翻譯策略、方法，譯者風(fēng)格等，并為中醫(yī)雙語詞典的編撰提供參考。此外，也可將《脊柱相關(guān)疾病》的中英文對齊資料導(dǎo)入計算機(jī)輔助翻譯軟件，運用翻譯記憶為譯者提供句對檢索、術(shù)語檢索，從而最大程度地實現(xiàn)翻譯風(fēng)格的統(tǒng)一，提高翻譯效率，保證翻譯質(zhì)量，降低校對成本。同時也可運用于計算機(jī)輔助翻譯相關(guān)課程中，幫助學(xué)生構(gòu)建自己的語料記憶庫，掌握計算機(jī)輔助翻譯技術(shù)。這兩個語料庫的構(gòu)建集語義學(xué)、語料庫語言學(xué)、計算機(jī)技術(shù)等多個領(lǐng)域知識于一體。其嚴(yán)謹(jǐn)?shù)臉?biāo)注、語義分級、賦碼過程必能為中醫(yī)文獻(xiàn)外宣材料的翻譯提供有效的幫助。