搜索引擎在計(jì)算機(jī)輔助翻譯中的應(yīng)用

翟云超，馬王儲，常璐

（華北理工大學(xué)外國語學(xué)院，河北唐山，063000）

1 搜索引擎的概念

搜索引擎指根據(jù)一定策略、運(yùn)用特定的計(jì)算機(jī)程序從互聯(lián)網(wǎng)搜集信息，完成信息組織、處理后為用戶提供檢索服務(wù)，并將檢索信息展示給用戶的系統(tǒng)，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(fèi)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(jī)制

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

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

（3）提供檢索服務(wù)。用戶輸入關(guān)鍵詞進(jìn)行檢索，搜索引擎從索引數(shù)據(jù)庫中找到匹 配該關(guān)鍵詞的網(wǎng)頁。為了用戶便于判斷，除了網(wǎng)頁標(biāo)題和URL外，還會提 供一段來自網(wǎng)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(yùn)算符連接各檢索詞，然后由計(jì)算機(jī)進(jìn)行相應(yīng)邏輯運(yùn)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(shù)據(jù)庫使用幫助或說明。

表1 布爾邏輯運(yùn)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(guī)定符號兩邊的 詞出現(xiàn)在文獻(xiàn)中的位置的邏輯運(yùn)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(tǒng)允許有空格或標(biāo)點(diǎn)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(cè)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(cè)的檢索詞A和B必須同時出現(xiàn)在數(shù)據(jù)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(nèi)出現(xiàn)，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(jìn)行截斷，然后使用截詞符進(jìn)行處理，既 可節(jié)省輸入的字符數(shù)目，也可達(dá)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(yùn)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(jié)果為“book”或“books”;輸 入“educat*”，檢 索 結(jié) 果 為“education” 、“educational”、“educator”。

（2）中截詞 ：輸入“s?w”，檢索結(jié)果為“saw” 、“sew”。

3.4 字段檢索

字段檢索是指根據(jù)標(biāo)題、作者、摘要、關(guān)鍵詞、作者單位、文獻(xiàn)來源、學(xué)位授予單位、學(xué)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(nèi)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(tǒng)是按照全文檢索理論建立的用于提 供全文檢索服務(wù)的軟件系統(tǒng)，可將存儲于數(shù)據(jù)庫中整本書、整篇文章中的任 意內(nèi)容信息查找出來，進(jìn)行各種統(tǒng)計(jì)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(jì)算機(jī)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(nèi)容非常確定。

例 1

使用雙引號“”。檢索符含義：對引號中的內(nèi)容不進(jìn)行任何添加刪除處理進(jìn)行檢索。

在 Google 中檢索短語 knock down joint 會發(fā)現(xiàn)，除了包含完整關(guān)鍵詞 knock down joint的檢索結(jié)果外，還顯示了包含 knock down、joint 等關(guān)鍵詞和關(guān)鍵字的結(jié)果。將整個關(guān)鍵詞 knock down joint 加上雙引號“”進(jìn)行檢索，結(jié)果則只剩下包含完整關(guān)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(nèi)容?！癇ass”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(guān)“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(guān)鱸魚的檢索詞條全部屏蔽掉。

4 結(jié)語

除了電子詞典與工具書，在進(jìn)行翻譯實(shí)踐時，搜索引擎已經(jīng)成為翻譯實(shí)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(jié)果的真?zhèn)?，避免出現(xiàn)偏差、低質(zhì)量或違法的結(jié)果。

參考文獻(xiàn)

[1]李躍珍.信息檢索與利用[M].杭州：浙江大學(xué)出版社,2006.

[2]劉廷元,邵衛(wèi)東,湯凝.信息檢索原理教程[M].北京：北京交通大學(xué)出版社,2008.

[3]劉彥平.關(guān)于網(wǎng)絡(luò)搜索引擎及其優(yōu)化的討論[J].電子商務(wù),2011(04).

[4]劉振西,李潤松,葉茜.實(shí)用信息檢索技術(shù)概論[M].北京：清華大學(xué)出版社，2006.

[5]徐劍,柯貴明.網(wǎng)絡(luò)爬蟲技術(shù)在搜索引擎中的應(yīng)用[A].全國第21 屆計(jì)算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會議（CACIS·2010）暨全國第 2 屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C]. 2010.

[6]趙慧,李春明,鮑可進(jìn).一種基于 DotLucene 搜索引擎的知識庫中文全文檢索系統(tǒng)[A].第二十二屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集[C].2005.