張傳鈺?劉玉澄

摘 要：本文以江蘇省連云港市為例，研究平行語料庫的構(gòu)建過程，主要包括資料收集和整理、語料清洗和對齊、建立平行語料庫以及語料庫的維護(hù)和更新。在資料收集和整理階段，需要確定語料庫的主題和目標(biāo)語言，并收集和整理相關(guān)的文本數(shù)據(jù)。在語料清洗和對齊階段，需要進(jìn)行數(shù)據(jù)清洗、預(yù)處理和對齊操作，以確保語料庫的質(zhì)量和可用性。在建立平行語料庫階段，需要使用自動或人工方法進(jìn)行文本對齊，并對對齊結(jié)果進(jìn)行校驗和評估。在維護(hù)和更新階段，需要定期更新和維護(hù)語料庫，并對新增文本進(jìn)行對齊和校驗。本文還探討了平行語料庫在機(jī)器翻譯和自然語言處理中的應(yīng)用和作用，認(rèn)為平行語料庫可以提高機(jī)器翻譯和自然語言處理的精度和效率，促進(jìn)跨語言和跨文化交流和合作。本文研究對于平行語料庫的建設(shè)和利用具有一定的理論和實(shí)踐意義。

關(guān)鍵詞：平行語料庫；外宣翻譯；語料庫構(gòu)建；語料處理

作者簡介：張傳鈺（1990.08-），男，江蘇連云港人，南京醫(yī)科大學(xué)康達(dá)學(xué)院，講師，研究生，研究方向：翻譯，翻譯學(xué)，教學(xué)法；劉玉澄（2002.01-），女，山東煙臺人，南京醫(yī)科大學(xué)康達(dá)學(xué)院英語專業(yè)本科在讀，研究方向：翻譯；翻譯技術(shù)。

地方外宣翻譯平行語料庫是促進(jìn)城市對外交流、文化交流和經(jīng)濟(jì)發(fā)展的重要工具。近年來，隨著中國綜合國力的進(jìn)一步增強(qiáng)和“一帶一路”倡議的實(shí)施，外宣翻譯發(fā)生了新的變化， 呈現(xiàn)出新的特點(diǎn)。以連云港為例，連云港外宣翻譯平行語料庫可以為城市的發(fā)展提供重要的支持，包括推廣和宣傳城市資源、促進(jìn)文化交流、跨語言交流和推動經(jīng)濟(jì)發(fā)展等。

首先，外宣翻譯平行語料庫可以為連云港的對外交流提供重要支持。連云港是一個重要的沿海城市，擁有豐富的經(jīng)濟(jì)、文化和旅游資源。通過建立外宣翻譯平行語料庫，可以將這些資源向國內(nèi)外更好地推廣和宣傳。通過語料庫中的雙語數(shù)據(jù)，可以更方便地進(jìn)行翻譯和傳播，從而擴(kuò)大連云港的知名度和影響力，吸引更多的投資和人才進(jìn)入連云港。

其次，外宣翻譯平行語料庫還可以促進(jìn)文化交流和跨語言交流。業(yè)界認(rèn)為，對于外宣翻譯質(zhì)量問題的討論不應(yīng)僅停留于對拼寫、語法等“低級錯誤”糾錯層面，而要從更為寬廣的層面探索優(yōu)化外宣翻譯的途徑增強(qiáng)外宣效果。語言是文化交流的重要媒介，通過翻譯平行語料庫，可以更方便地將連云港的文化資源進(jìn)行傳播，吸引更多的外國友人了解和體驗連云港文化。同時，通過與外國文化進(jìn)行交流，可以促進(jìn)連云港的文化創(chuàng)新和發(fā)展，打造更具特色的城市文化。

最后，外宣翻譯平行語料庫還可以為連云港的經(jīng)濟(jì)發(fā)展提供支持。在全球化的背景下，跨國經(jīng)濟(jì)交流和合作越來越頻繁，而語言交流是其中不可或缺的環(huán)節(jié)。通過建立外宣翻譯平行語料庫，可以更方便地進(jìn)行商務(wù)翻譯和跨語言交流，促進(jìn)連云港與外國企業(yè)的合作和交流，推動連云港的經(jīng)濟(jì)發(fā)展。

一、平行語料庫構(gòu)建——資料收集和整理

語料庫， 從字面上看， 就是語言的倉庫， 專業(yè)的定義是“為語言研究和應(yīng)用而收集的， 在計算機(jī)中存儲的語言材料， 由自然出現(xiàn)的書面語或口語樣本匯集而成， 用來代表特定的語言或語言變體。”地方外宣翻譯平行語料庫是指由地方政府或機(jī)構(gòu)發(fā)布的外宣資料，通過翻譯變成了其他語言版本，這些語料可以用于機(jī)器翻譯等領(lǐng)域的研究。構(gòu)建這樣的平行語料庫需要以下幾個步驟：

第一步是收集和整理資料。需要找到地方政府或機(jī)構(gòu)發(fā)布的宣傳資料，如新聞稿、政策文件、宣傳視頻等。然后將這些資料翻譯成需要的語言，例如英語、法語等。最好能夠保持翻譯的一致性和準(zhǔn)確性，可以請專業(yè)人士或?qū)I(yè)翻譯人員進(jìn)行翻譯。

地方外宣翻譯平行語料庫的資料收集和整理是構(gòu)建平行語料庫的第一步。這一步驟的關(guān)鍵是找到適合的宣傳資料和合適的翻譯人員。

首先，需要確定需要收集的宣傳資料類型。一般來說，地方政府或機(jī)構(gòu)發(fā)布的宣傳資料包括新聞稿、政策文件、宣傳視頻等。為了收集到全面、準(zhǔn)確的資料，可以定期瀏覽地方政府或機(jī)構(gòu)的官方網(wǎng)站，關(guān)注官方媒體發(fā)布的宣傳信息，或者通過社交媒體等渠道獲取信息。以下列舉了連云港市的部分官方外宣渠道及對外交流交往資源：

連云港港口：連云港港口是中國東海岸最重要的港口之一，是中國“21世紀(jì)海上絲綢之路”的重要樞紐港口，擁有良好的航運(yùn)網(wǎng)絡(luò)和港口設(shè)施，是中國對外貿(mào)易的重要通道之一。

連云港市人民政府外事與僑務(wù)辦公室：該辦公室是連云港市政府機(jī)構(gòu)，負(fù)責(zé)處理涉外事務(wù)和僑務(wù)工作，為外籍人士和華僑提供服務(wù)和支持。

連云港市文化廣電旅游局：連云港市文化廣電旅游局是連云港市政府機(jī)構(gòu)，負(fù)責(zé)推廣連云港的旅游資源和文化，吸引國內(nèi)外游客前來旅游觀光，為城市的對外交流交往提供渠道和平臺。

其次，需要確定翻譯人員的選擇標(biāo)準(zhǔn)。翻譯人員需要具備一定的語言能力和專業(yè)背景，能夠準(zhǔn)確理解原文并將其翻譯成目標(biāo)語言。為了保證翻譯質(zhì)量，最好選擇有翻譯經(jīng)驗、能夠熟練使用翻譯工具和技術(shù)的專業(yè)翻譯人員進(jìn)行翻譯。

在資料收集和整理的過程中，還需要注意以下幾點(diǎn)：

保持原文的一致性和準(zhǔn)確性。對于原文中的錯別字、語法錯誤、不準(zhǔn)確的用詞等進(jìn)行修改和補(bǔ)充，確保原文質(zhì)量。

翻譯人員需要準(zhǔn)確理解原文的意思，并根據(jù)目標(biāo)語言的語言特點(diǎn)和習(xí)慣進(jìn)行翻譯。同時，還需要注意翻譯的一致性和準(zhǔn)確性，避免出現(xiàn)歧義和錯誤。

對于部分專業(yè)性很強(qiáng)的宣傳資料，可以邀請相關(guān)領(lǐng)域的專業(yè)人士或者翻譯公司進(jìn)行翻譯，以確保翻譯的準(zhǔn)確性和專業(yè)性。

資料收集和整理是構(gòu)建地方外宣翻譯平行語料庫的關(guān)鍵步驟。需要通過科學(xué)、規(guī)范的方式來收集和整理宣傳資料，并選擇合適的翻譯人員進(jìn)行翻譯，以保證平行語料庫的質(zhì)量和可用性。

二、平行語料庫構(gòu)建——語料清洗和對齊

第二步是清洗和對齊語料。對于翻譯資料中的重復(fù)部分、錯誤信息、無關(guān)內(nèi)容等進(jìn)行清理，保證語料的質(zhì)量和準(zhǔn)確性。然后需要對原文和翻譯文本進(jìn)行對齊，即將原文和翻譯文本一一對應(yīng)，這一步可以借助一些工具來輔助完成。

地方外宣翻譯平行語料庫的語料清洗和對齊是構(gòu)建平行語料庫的重要步驟。語料清洗是指在語料庫中剔除掉無效的數(shù)據(jù)，而語料對齊則是將源語言和目標(biāo)語言的句子進(jìn)行一一對應(yīng)。

語料清洗的過程中，需要注意以下幾點(diǎn)：

剔除無效數(shù)據(jù)。例如，一些翻譯錯誤、缺失信息、格式不規(guī)范的數(shù)據(jù)可以進(jìn)行剔除。

統(tǒng)一格式。將語料庫中的數(shù)據(jù)的格式統(tǒng)一化，方便后續(xù)的處理和使用。

進(jìn)行去重。由于宣傳資料的發(fā)布可能會重復(fù)，導(dǎo)致語料庫中存在相同的數(shù)據(jù)，因此需要進(jìn)行去重處理。

在進(jìn)行語料對齊的過程中，需要注意以下幾點(diǎn)：

1.對齊的精度。需要確保對齊的精度盡可能高，避免出現(xiàn)誤差。語料對齊是指將兩個或多個文本之間的相應(yīng)部分進(jìn)行匹配和對齊。它是許多自然語言處理任務(wù)的基礎(chǔ)，例如機(jī)器翻譯、文本對齊和文本比較。提高語料對齊的精度可以提高這些任務(wù)的完成質(zhì)量和效率。下面是幾個提高語料對齊精度的方法：①使用更好的算法。語料對齊可以使用不同的算法，例如基于字符串匹配的算法、基于短語匹配的算法和基于神經(jīng)網(wǎng)絡(luò)的算法。不同算法的優(yōu)缺點(diǎn)不同，選擇適合數(shù)據(jù)的算法可以提高語料對齊的精度。②清洗數(shù)據(jù)。清洗數(shù)據(jù)可以去除文本中的噪聲和錯誤，例如拼寫錯誤和語法錯誤。這可以使文本更加規(guī)范，從而提高語料對齊的精度。③使用更多的訓(xùn)練數(shù)據(jù)。語料對齊的精度通常隨著訓(xùn)練數(shù)據(jù)的增加而提高。使用更多的訓(xùn)練數(shù)據(jù)可以提高模型的泛化能力，從而提高語料對齊的精度。④使用詞級別的對齊。在語料對齊時，可以使用詞級別的對齊來更準(zhǔn)確地匹配文本。詞級別的對齊可以考慮到單詞的含義和上下文，從而提高語料對齊的精度。⑤人工校對。在對齊的過程中，可以進(jìn)行人工校對以糾正錯誤。人工校對可以提高對齊的準(zhǔn)確性，但需要耗費(fèi)大量的時間和人力資源。

2.處理語言差異。由于中英文語言存在差異，例如語序、句式等方面，可能會導(dǎo)致翻譯不準(zhǔn)確或不完整，需要進(jìn)行適當(dāng)?shù)奶幚怼Ｔ谔幚砜缯Z言語料庫時，語言差異是一個常見的問題。為了正確地處理跨語言數(shù)據(jù)，需要考慮以下幾個方面：①語言學(xué)差異。不同的語言在語法結(jié)構(gòu)、詞匯、語義和文化背景等方面可能存在差異。了解和理解這些差異是處理跨語言數(shù)據(jù)的重要前提。②翻譯。對于跨語言數(shù)據(jù)，可能需要進(jìn)行翻譯。這可以通過機(jī)器翻譯模型或人工翻譯來完成。但是需要注意的是，翻譯可能會引起誤譯，尤其是在涉及多義詞、語言的隱含含義、文化背景等方面的時候。③對齊。語言差異可能導(dǎo)致跨語言數(shù)據(jù)中的文本不對齊。對齊是指將兩個或多個文本之間的相應(yīng)部分進(jìn)行匹配。它是許多自然語言處理任務(wù)的基礎(chǔ)。對齊可以通過使用基于字符串匹配、基于短語匹配或基于神經(jīng)網(wǎng)絡(luò)的算法來完成。④數(shù)據(jù)清理。在處理跨語言數(shù)據(jù)時，需要清理數(shù)據(jù)以去除不必要的信息和錯誤。這可以通過自動或手動方法來完成。⑤語言模型的訓(xùn)練。處理跨語言數(shù)據(jù)的語言模型需要進(jìn)行跨語言訓(xùn)練。這可以通過使用跨語言的預(yù)訓(xùn)練模型或從頭開始訓(xùn)練一個跨語言模型來完成。

3.使用專業(yè)工具?？梢允褂脤I(yè)的語料對齊工具，例如Trados、MemoQ等，來提高對齊的精度和效率。

三、平行語料庫構(gòu)建——建立平行語料庫

第三步是建立平行語料庫。將清洗和對齊的語料按照一定的格式和標(biāo)準(zhǔn)組織起來，建立平行語料庫。語料庫應(yīng)該包括原文、翻譯文本和元數(shù)據(jù)等信息，如文本來源、發(fā)布時間、翻譯人員等。平行語料庫的格式和標(biāo)準(zhǔn)需要根據(jù)具體的應(yīng)用場景進(jìn)行調(diào)整。

地方外宣翻譯平行語料庫的格式和標(biāo)準(zhǔn)是平行語料庫的重要組成部分，它們決定了平行語料庫的結(jié)構(gòu)和使用方式。下面，筆者將從以下幾個方面進(jìn)行闡述。

格式：地方外宣翻譯平行語料庫可以采用多種格式，例如TMX、XLIFF、PO等格式。其中，TMX是一種行業(yè)標(biāo)準(zhǔn)的平行語料庫格式，支持多種語言和工具之間的互操作性，因此較為常用。而XLIFF和PO等格式則適用于特定的翻譯軟件和場景。

標(biāo)準(zhǔn)：為了確保平行語料庫的質(zhì)量和可用性，需要遵循一定的標(biāo)準(zhǔn)。例如，對于平行語料庫的命名和存儲路徑應(yīng)該進(jìn)行規(guī)范，以便于管理和維護(hù)。同時，平行語料庫中的元數(shù)據(jù)、句子對齊等信息也需要進(jìn)行規(guī)范化處理，以便于后續(xù)的信息處理和利用。

元數(shù)據(jù)：平行語料庫中的元數(shù)據(jù)包括源語言、目標(biāo)語言、創(chuàng)建時間、更新時間、創(chuàng)建者、描述信息等，可以通過這些元數(shù)據(jù)對平行語料庫進(jìn)行檢索、分類和管理。

句子對齊：平行語料庫的句子對齊是平行語料庫的核心內(nèi)容之一。需要進(jìn)行精確的句子對齊，以確保源語言和目標(biāo)語言的句子一一對應(yīng)，沒有遺漏或重復(fù)。

地方外宣翻譯平行語料庫的格式和標(biāo)準(zhǔn)對于平行語料庫的構(gòu)建、管理和使用都具有重要的作用，需要根據(jù)實(shí)際需求和情況進(jìn)行選擇和制定，以保證平行語料庫的質(zhì)量和可用性。

四、平行語料庫構(gòu)建——維護(hù)和更新

最后一步是語料庫的維護(hù)和更新。平行語料庫需要進(jìn)行定期的維護(hù)和更新，包括對新發(fā)布的宣傳資料進(jìn)行翻譯和對齊，對已有語料進(jìn)行清理和更新等，以保證語料庫的構(gòu)建質(zhì)量和可用性。

地方外宣翻譯平行語料庫的維護(hù)和更新是確保平行語料庫長期可用和保持高質(zhì)量的重要步驟。以下將從幾個方面進(jìn)行闡述。

監(jiān)測和修復(fù)錯誤：在平行語料庫的使用過程中，可能會出現(xiàn)一些錯誤，例如句子對齊錯誤、譯文錯誤等。因此，需要對平行語料庫進(jìn)行監(jiān)測和修復(fù)，以保證平行語料庫的準(zhǔn)確性和可用性。

添加新的數(shù)據(jù)：隨著時間的推移，地方外宣翻譯平行語料庫需要不斷地更新和添加新的數(shù)據(jù)，以滿足新的翻譯需求和語言變化。因此，需要建立定期添加新數(shù)據(jù)的機(jī)制，以確保平行語料庫的時效性和覆蓋范圍。

統(tǒng)計和分析：平行語料庫的統(tǒng)計和分析可以幫助用戶了解平行語料庫的內(nèi)容和特點(diǎn)，以便于更好地利用平行語料庫進(jìn)行翻譯和研究。因此，需要對平行語料庫進(jìn)行統(tǒng)計和分析，并提供相應(yīng)的工具和接口，以便于用戶進(jìn)行數(shù)據(jù)挖掘和分析。

標(biāo)準(zhǔn)和規(guī)范的更新：隨著翻譯和語言技術(shù)的不斷發(fā)展，平行語料庫的標(biāo)準(zhǔn)和規(guī)范也需要不斷更新和完善。因此，需要建立標(biāo)準(zhǔn)和規(guī)范的更新機(jī)制，以確保平行語料庫的格式和標(biāo)準(zhǔn)與最新的技術(shù)和需求保持一致。

雖然地方外宣翻譯平行語料庫的構(gòu)建包含多個步驟，需要耗費(fèi)大量的時間和精力。但是，建立這樣的平行語料庫可以為機(jī)器翻譯等領(lǐng)域的研究提供有價值的資源。

參考文獻(xiàn)：

[1]黃友義.中國站到了國際舞臺中央，我們?nèi)绾畏g[J].中國翻譯，2015（5）：5-7.

[2]胡興文，張健.外宣翻譯的名與實(shí)：張健教授訪談錄[J].中國外語，2013（3）：100-104.

[3]王杭.茶文化外宣翻譯中的語料庫技術(shù)應(yīng)用[J].福建茶葉，2018（2）：449.

基金項目：本文系2022年度 “江蘇省社科應(yīng)用研究精品工程”外語類課題立項項目：《“一帶一路”背景下的地方外宣翻譯的平行語料庫構(gòu)建研究——以連云港為例》（立項號：22SWC-33）、2022年度 “江蘇省社科應(yīng)用研究精品工程”外語類課題立項項目（立項號：22SWC-33）、2022年度江蘇省社科應(yīng)用研究課題成果。