秦洪武教授为首届语料库翻译学暑期讲习班授课

秦洪武教授为首届语料库翻译学暑期讲习班授课
 

    11日上午，秦教授首先介绍了双语语料库的特征，他认为目前所说的双语语料库是指可以机读的语料库，通常以.TXT, .XML, .HTML等格式存储，格式一致，且多数有标注信息和元信息以便于数据管理和检索。在介绍语料库抽样时，他认为语料库并非越大越好，而应该结构合理，具有代表性。

    接着以建库进程为线，介绍了双语语料库建设中所使用的常用软件。他表示，在语料库采集完毕后，首先要做的就是语料除噪，这就需要语料格式尽量保持一致，剔除乱码以及不必要的软硬回车等语料噪音。他首先演示了使用WORD进行除噪，特别是WORD中的宏录制功能以节省时间人力。在文本处理方面，他还介绍了EditPlus软件，并演示了如何以正则表达式对语料库进行除噪。然后他介绍了Headadder软件，进行元信息添加的演示，以方便文本管理以及翻译的深层研究。

    下午，秦教授给各位学员介绍了双语语料库对齐软件ParaConc, bitext2tmx等。他认为对齐是双语对应语料库的重要特征，而对齐方式与创建语料库的目的有关，翻译研究中涉及到的双语对应语料库通常要做到句子层面对齐。他还指出，文学翻译语料库与非文学翻译语料库相比，对齐难度更大，需要更多的人工干预，在实际操作中可以采取抽样检查。然后他以北外语料库为例，详细演示了ParaConc在对齐方面的功能。此外，他还介绍了英汉语赋码软件Geniatagger, MyTxtSegTagTool等，并同时表示目前汉语分词及标注仍有待进一步发展，因此当语料库标注需要更高精密度的时候，人工干预是必须的，有时候依据研究目的，甚至需要人工标注。

    12日讲习班分两组上下午交替采取讲习和导修两种形式进行。讲习课上，秦洪武教授介绍了语料库检索软件WordSmith, AntConc, Omega等。他指出，检索条件十分重要，譬如“相反”在句首通常表示与前文意思相反，可作为话语标记；而“相反”位于句中，如“我们朝着相反的方向走了”，就不是话语标记，这就需要设定相应的检索条件。他还以学生习作翻译为例，介绍了平行语料库在辅助翻译中的应用。