基于自建語(yǔ)料庫(kù)的礦業(yè)文本特征分析

摘 要：在中國(guó)礦業(yè)積極學(xué)習(xí)借鑒西方國(guó)家先進(jìn)礦業(yè)技術(shù)的背景下，礦業(yè)文本的翻譯變得越發(fā)重要。但目前該領(lǐng)域翻譯人才缺乏，相關(guān)翻譯活動(dòng)有一定難度，故本文以Maptek公司礦業(yè)相關(guān)文本作為語(yǔ)料自建語(yǔ)料庫(kù)，從詞頻、詞匯密度、平均詞長(zhǎng)、平均句長(zhǎng)四個(gè)方面對(duì)礦業(yè)文本的特征進(jìn)行分析，以期為礦業(yè)領(lǐng)域的翻譯實(shí)踐提供些許建議。

關(guān)鍵詞：語(yǔ)料庫(kù)；礦業(yè)；文本分析；翻譯實(shí)踐

1引言

近年來(lái)，隨著中國(guó)工業(yè)化、城鎮(zhèn)化進(jìn)程不斷加快，經(jīng)濟(jì)高速發(fā)展帶動(dòng)了礦產(chǎn)資源需求的高速增長(zhǎng)，中國(guó)礦業(yè)展示出了前所未有的發(fā)展勢(shì)頭，2003—2011年，我國(guó)礦業(yè)產(chǎn)值從7357億元增長(zhǎng)到了5.86萬(wàn)億元，增長(zhǎng)了7倍，年均增長(zhǎng)率為29.6%，但相較于西方發(fā)達(dá)國(guó)家，我國(guó)礦業(yè)發(fā)展仍處于一個(gè)初始階段，距資本—技術(shù)密集型相差很遠(yuǎn)。鑒于此，對(duì)西方發(fā)達(dá)國(guó)家礦業(yè)領(lǐng)域的文本進(jìn)行翻譯，有助于學(xué)習(xí)和借鑒其先進(jìn)的采礦技術(shù)和工藝，促進(jìn)中國(guó)礦業(yè)不斷發(fā)展。但由于多種原因，目前國(guó)內(nèi)該領(lǐng)域翻譯人才欠缺，礦業(yè)文本翻譯相關(guān)研究不足。

2介紹

當(dāng)譯者著手翻譯一篇文章時(shí)，對(duì)文本的分析無(wú)疑是第一步。文本分析對(duì)于翻譯而言就如同臺(tái)階的第一步，萬(wàn)丈高樓的基石。文本分析對(duì)譯者透徹理解原文、制定翻譯策略起著至關(guān)重要的作用。談及文本分析的方法，德國(guó)功能學(xué)派理論學(xué)家諾德所提出的文本分析模式（以下簡(jiǎn)稱“諾德”模式）無(wú)疑占據(jù)了很重要的位置。諾德認(rèn)為文本分析應(yīng)該從語(yǔ)言和非語(yǔ)言兩方面因素進(jìn)行，即文本內(nèi)因素和文本外因素，文本外因素包含文本發(fā)送者、發(fā)送者意圖、文本接受者、媒介等，文本內(nèi)因素則涉及篇章結(jié)構(gòu)安排、詞匯層面、句子結(jié)構(gòu)、超音段特征等方面。諾德模式無(wú)疑為文本特征分析提供了方向和角度，但其缺陷在于沒有提供分析文本內(nèi)外因素的具體方式和衡量標(biāo)準(zhǔn)，比如分析詞匯層面的特定術(shù)語(yǔ)，該如何分析，有怎樣的指標(biāo)，都沒有涉及，因而運(yùn)用諾德模式進(jìn)行文本分析會(huì)不好衡量和把握。但語(yǔ)料庫(kù)手段的引入無(wú)疑為進(jìn)行客觀的文本特征分析，尤其是文本內(nèi)因素的分析提供了一個(gè)很好的途徑。

3自建語(yǔ)料庫(kù)

當(dāng)前，基于語(yǔ)料庫(kù)的翻譯研究不斷增多，所建語(yǔ)料庫(kù)類型也是種類繁多，內(nèi)容日趨完善，但仍缺乏針對(duì)礦業(yè)文本專門建立的語(yǔ)料庫(kù)。自建語(yǔ)料庫(kù)大小比較靈活，可根據(jù)需要自行確定，但通常適用于沒有現(xiàn)成語(yǔ)料庫(kù)，現(xiàn)有語(yǔ)料庫(kù)不適用或不能滿足研究需求，需要對(duì)比語(yǔ)料庫(kù)以及需要特殊語(yǔ)料的情況。鑒于目前沒有直接可用的礦業(yè)文本語(yǔ)料庫(kù)，探尋礦業(yè)文本的文本特征以服務(wù)該領(lǐng)域翻譯實(shí)踐的需求又越發(fā)凸顯，故而本文作者專門建立了一個(gè)小型礦業(yè)文本語(yǔ)料庫(kù)，在此基礎(chǔ)上對(duì)礦業(yè)文本特征進(jìn)行分析。

3.1語(yǔ)料搜集

Maptek公司是澳大利亞一家全球領(lǐng)先的礦業(yè)創(chuàng)新軟件、硬件以及技術(shù)服務(wù)供應(yīng)商，本次自建語(yǔ)料庫(kù)所使用的語(yǔ)料是Maptek公司Vulcan軟件和I-Site軟件應(yīng)用于采礦作業(yè)的案例，內(nèi)容涵蓋整個(gè)采礦流程，涉及地質(zhì)勘探、品位控制、礦山優(yōu)化以及地質(zhì)建模等方面，語(yǔ)料字?jǐn)?shù)總計(jì)為105，430字。

3.2語(yǔ)料整理

語(yǔ)料整理對(duì)于自建語(yǔ)料庫(kù)而言十分關(guān)鍵，會(huì)直接影響語(yǔ)料的處理速度和結(jié)果。語(yǔ)料文本如不加以清理會(huì)導(dǎo)致詞匯分析、統(tǒng)計(jì)不準(zhǔn)確，詞性賦碼出錯(cuò)或分析無(wú)法進(jìn)行。此外，大多數(shù)語(yǔ)料庫(kù)軟件只能識(shí)別純文本類型的文件，不能識(shí)別其他編碼格式的文本，一些特殊格式標(biāo)識(shí)符號(hào)在讀取中會(huì)出現(xiàn)亂碼，因而影響處理結(jié)果。在語(yǔ)料整理過(guò)程中，為確保語(yǔ)料庫(kù)統(tǒng)計(jì)高效且準(zhǔn)確，預(yù)先使用了文本整理編輯器對(duì)文本進(jìn)行了清理，刪去了多余空行、段首尾空格、全角空格，統(tǒng)一了中英文標(biāo)點(diǎn)符號(hào)和文字格式，并保存成了純文本格式。

4礦業(yè)文本特征分析

利用Wordsmith和Concordance語(yǔ)料庫(kù)軟件從詞頻、詞匯密度、平均詞長(zhǎng)、平均句長(zhǎng)四個(gè)方面對(duì)語(yǔ)料進(jìn)行分析。考慮到語(yǔ)料來(lái)自于一家澳大利亞公司，因而選取了BNC（British National Corpus）語(yǔ)料庫(kù)以及FLOB（Freiburg-LOB Corpus of British English）語(yǔ)料庫(kù)作為參照語(yǔ)料庫(kù)，進(jìn)行礦業(yè)文本特征對(duì)比分析。

4.1詞頻

詞頻可以反映某類型文本或某個(gè)作品中的用詞傾向，進(jìn)而反映出文本的特征。在Concordance軟件中，去除功能詞后根據(jù)詞頻從高到低排序，前20位詞語(yǔ)分別是：data，Vulcan，mine，model，I-Site，Maptek，coal，mining，modelling，block，project，pit，grade，planning，3D，ore，laser，time，design，scanner，其中“Maptek”，“Vulcan”，“I-Site”三個(gè)詞代表的是該語(yǔ)料所涉及的產(chǎn)品名稱，本文不予考慮。通常詞表中排在前面的高頻詞是功能詞，或者說(shuō)是表達(dá)語(yǔ)法意義的虛詞，接著是較抽象、概括的詞，然后逐漸過(guò)渡到具體、含有特定含有的詞，像“data”，“mine”，“model”，“pit”，“ore”這樣的詞出現(xiàn)在高頻詞范圍內(nèi)需要引起我們的關(guān)注。

語(yǔ)料庫(kù)軟件可以顯示出每個(gè)單詞在文章中使用頻次所占的百分比，從客觀數(shù)據(jù)上體現(xiàn)某個(gè)單詞對(duì)于整個(gè)語(yǔ)料庫(kù)的貢獻(xiàn)。以“mine”和“pit”為例，對(duì)比BNC語(yǔ)料庫(kù)中這兩個(gè)詞的使用頻率，按不同文本類型進(jìn)行統(tǒng)計(jì)，結(jié)果如下：

圖1和圖2分別表示的是“mine”和“pit”兩詞在BNC語(yǔ)料庫(kù)中使用分布的文本類型及使用頻率，其中的“FREQ”表示的是出現(xiàn)頻數(shù)，“PER MIL”是指語(yǔ)料庫(kù)中某一詞匯、短語(yǔ)每百萬(wàn)詞（per million）出現(xiàn)的頻數(shù)，又叫標(biāo)準(zhǔn)化頻數(shù)。結(jié)合詞頻統(tǒng)計(jì)中的百分比，利用“各自頻數(shù)/總字?jǐn)?shù)*100 million”，可以推算出在礦業(yè)類型文本中每一百萬(wàn)字中這兩個(gè)詞的使用頻次分別約是6127次和2665次，高于BNC語(yǔ)料庫(kù)總計(jì)的使用頻次。此外，BNC語(yǔ)料庫(kù)中并沒有對(duì)兩詞不同詞義的使用頻次進(jìn)行區(qū)分，但通過(guò)Concordance軟件中的詞語(yǔ)語(yǔ)境篩查可以發(fā)現(xiàn)在礦業(yè)文本中這兩個(gè)詞都具有單一專業(yè)含義，分別表示“礦山”和“基坑”，因而就專業(yè)含義來(lái)講，自建語(yǔ)料庫(kù)中兩詞的使用頻次是遠(yuǎn)高于其在其他英語(yǔ)文本類型中的頻次。endprint

詞表前20位中多數(shù)詞都與采礦作業(yè)流程相關(guān)，專業(yè)詞意明確，涉及地質(zhì)數(shù)據(jù)采集、塊體建模、基坑修建、礦床勘探等，如“model”，“block”，經(jīng)過(guò)比較，這些詞的使用頻次都高于其在其他單個(gè)英文文本類型中的使用頻次，因而這些詞可以反映礦業(yè)文本在用詞上的傾向。礦業(yè)涉及內(nèi)容多，涵蓋彈性力學(xué)、土力學(xué)、巖石力學(xué)、爆破工程等多方面知識(shí)，在翻譯該類型文本時(shí)需要對(duì)涉及這些方面的專業(yè)詞匯有所重視。利用自建語(yǔ)料庫(kù)對(duì)礦業(yè)文本的詞頻進(jìn)行研究，明確礦業(yè)領(lǐng)域中的常用詞或通用詞匯，并基于詞頻建立起礦業(yè)領(lǐng)域的詞匯分級(jí)，廣泛應(yīng)用于專業(yè)詞典編纂、專業(yè)教學(xué)，這將推動(dòng)該領(lǐng)域的相關(guān)學(xué)習(xí)及翻譯實(shí)踐。

4.2詞匯密度

詞匯密度可以反映出某類文本用詞的多樣性、詞匯的豐富度。類符/形符比（type-token ratio，TTR）可以用來(lái)計(jì)算文本的詞匯密度，TTR比值越高，文本用詞越豐富，反之，則越貧乏。但若語(yǔ)料超過(guò)了1000字，類符數(shù)會(huì)隨著形符數(shù)的增加而增加，到后面類符數(shù)就會(huì)趨于穩(wěn)定，類符形符比就會(huì)不斷減小，所以需要采用標(biāo)準(zhǔn)類符形符比（standardized TTR）。經(jīng)語(yǔ)料庫(kù)軟件處理所得的標(biāo)準(zhǔn)類符形符比結(jié)果為41.43，F(xiàn)LOB語(yǔ)料庫(kù)的STTR值為39.03，相較而言可以發(fā)現(xiàn)礦業(yè)文本中詞匯的使用是靈活且豐富的。礦業(yè)涉及學(xué)科多，文本內(nèi)容廣而豐富，尤其是專業(yè)詞匯，多而細(xì)化，因而在翻譯過(guò)程中需要意識(shí)到礦業(yè)領(lǐng)域內(nèi)用詞的豐富性，注重積累。

4.3詞長(zhǎng)

詞長(zhǎng)在一定程度上代表了語(yǔ)言單位的復(fù)雜性，是反映文本閱讀難易程度的一個(gè)標(biāo)準(zhǔn)。通常由2～5個(gè)字母組成的詞看作是小詞或常見詞，這些詞在整個(gè)語(yǔ)料庫(kù)中的比例越高，近似地反映出語(yǔ)料使用的小詞或常見詞越多。單詞越短小，文本越易理解，難度越低，文本的正式程度就越低；反之，文本越不易理解，難度越大，文本越正式。語(yǔ)料庫(kù)統(tǒng)計(jì)得到的單詞詞長(zhǎng)分布結(jié)果如下：

根據(jù)表1的數(shù)據(jù)可以計(jì)算出5個(gè)字母以下單詞的總數(shù)為62，717個(gè)，占全部語(yǔ)料文本的59.5%，按照楊秀珍等人的推論，礦業(yè)文本中使用的小詞多，文本閱讀起來(lái)應(yīng)該更為簡(jiǎn)單。由于人類的惰性、大腦信息處理能力的有限性乃至語(yǔ)言使用慣性，人們?cè)谘哉Z(yǔ)交際過(guò)程中傾向于選用短小、簡(jiǎn)單的詞匯表達(dá)特定意義以節(jié)省力量消耗，但礦業(yè)文本屬于專業(yè)領(lǐng)域的文本，語(yǔ)料所用文本來(lái)自于門戶網(wǎng)站，書面規(guī)范性強(qiáng)，詞匯的選擇較之口語(yǔ)表達(dá)肯定是更為謹(jǐn)慎認(rèn)真的，但使用短小詞的占比那么高，不由得引人注意。

結(jié)合本文作者翻譯礦業(yè)文本的實(shí)踐，發(fā)現(xiàn)文本中有很多常見短小詞并非常見通用意義，而是具有特定含義，比如“pit”指的是“基坑”，“grade”代表的是“品位”，“block”代表的“塊體”。這從某種程度上可以說(shuō)明即使從詞長(zhǎng)標(biāo)準(zhǔn)上來(lái)講礦業(yè)文本中使用的短小詞更多，但考慮到詞語(yǔ)含義非普遍意義，那么文本閱讀起來(lái)也并不一定容易。僅僅依據(jù)5個(gè)字母以下單詞的使用占比來(lái)判定文本難易程度是較為不當(dāng)?shù)摹?/p>

平均詞長(zhǎng)是指文本中詞的平均長(zhǎng)度，以字母數(shù)為單位。該指標(biāo)考量的是文本用詞的平均情況，是對(duì)文本整體用詞的評(píng)估。一般文本的平均詞長(zhǎng)為4個(gè)字母左右。語(yǔ)料庫(kù)統(tǒng)計(jì)得到的平均詞長(zhǎng)為5.23，而FLOB語(yǔ)料庫(kù)的平均詞長(zhǎng)為4.37，相較而言可以發(fā)現(xiàn)礦業(yè)文本在用詞上是較為復(fù)雜的。從表2也可以計(jì)算出5個(gè)字母以上詞匯（中長(zhǎng)詞）的使用占比達(dá)到了40%，這一比例是較高的，對(duì)于礦業(yè)類型文本而言中長(zhǎng)度詞語(yǔ)不僅具有專業(yè)意義，也更可能從長(zhǎng)度上反映詞匯的難易程度。

以上分析表明，雖然短小詞使用的占比一定程度上反映出了文本詞匯的難易度，但尤其是在專業(yè)領(lǐng)域中詞匯的難易度并不能單純地從詞長(zhǎng)進(jìn)行判定，往往短小詞匯所具有的專有意義是文本閱讀的一個(gè)困難。綜合詞長(zhǎng)和平均詞長(zhǎng)的數(shù)據(jù)結(jié)果，可以發(fā)現(xiàn)礦業(yè)文本閱讀起來(lái)較為不易，即使短小詞多，但意義可能并不常見。此外，礦業(yè)詞匯專業(yè)化強(qiáng)，表達(dá)細(xì)節(jié)信息的詞數(shù)量多，還有很多派生詞和復(fù)合詞，如“geomorphological”，“auto-registration”，“back-transformation”，詞匯較為復(fù)雜。

4.4平均句長(zhǎng)

平均句長(zhǎng)是以句子所包含的詞數(shù)為依據(jù)，是衡量文本難度的一個(gè)參數(shù)。句子長(zhǎng)度越長(zhǎng)，句子越難理解；反之，理解則更為容易。句子長(zhǎng)短的判定遵循一定的標(biāo)準(zhǔn)，根據(jù)句子長(zhǎng)度把句子分為三類：短句（1～9個(gè)詞）、中長(zhǎng)句（10～25個(gè)詞）和長(zhǎng)句（25個(gè)詞以上）。運(yùn)用語(yǔ)料庫(kù)軟件統(tǒng)計(jì)得到的平均句長(zhǎng)結(jié)果是48.59，結(jié)合詞頻表中that，which以及其他連接詞使用的頻次較高，我們可以合理地推測(cè)礦業(yè)文本句式較為復(fù)雜，多用從句、分句。這一方面符合英語(yǔ)傾向于用從句的特征，另一方面可能是礦業(yè)文本闡釋詳盡的一種體現(xiàn)。

從衡量句子的難易程度來(lái)講，其涉及的因素比較多。鄭錦全提出了句子閱讀難易度的三個(gè)考量因素：一是句子長(zhǎng)短；二是句中所有詞語(yǔ)在文本中出現(xiàn)頻率的高低；三是詞語(yǔ)語(yǔ)意類別的多少。就句子長(zhǎng)度而言，結(jié)合考量句內(nèi)使用的專業(yè)詞匯，礦業(yè)文本可以算得上較難，譯者在翻譯該類型文本時(shí)，需要對(duì)長(zhǎng)句引起重視。但就句中詞語(yǔ)在文本中的出現(xiàn)頻率和詞語(yǔ)語(yǔ)意類別而言，由于詞語(yǔ)所屬領(lǐng)域較為單一，在文本中出現(xiàn)的頻率也高，因而只要接觸足夠多，就會(huì)更加容易。這一點(diǎn)無(wú)疑說(shuō)明礦業(yè)文本的翻譯可能在入門時(shí)由于專業(yè)原因較為困難，但只要注重積累，后期就可以更加輕松。

5發(fā)現(xiàn)與展望

根據(jù)語(yǔ)料庫(kù)分析所得數(shù)據(jù)可以發(fā)現(xiàn)礦業(yè)因其涉及的知識(shí)廣泛、內(nèi)容眾多，使得該類型文本中詞匯使用靈活豐富，相關(guān)專業(yè)詞匯使用廣且使用頻次高，詞匯平均詞長(zhǎng)大，句子多用長(zhǎng)句，文本難度較大、專業(yè)性強(qiáng)。翻譯人員在從事礦業(yè)領(lǐng)域文本翻譯時(shí)，需要對(duì)長(zhǎng)句予以重視，注重礦業(yè)學(xué)科專業(yè)詞匯的積累，尤其要對(duì)文本中常見短小詞的專業(yè)意義引起關(guān)注。但只要積累達(dá)到一定程度，礦業(yè)文本的翻譯是可行的且可以更為高效的。

對(duì)于專業(yè)領(lǐng)域的文本而言，由于詞匯的特定含義，單從5個(gè)字母以下單詞使用的頻次來(lái)判定文本用詞的難易程度有所局限性，而中長(zhǎng)詞往往可以從長(zhǎng)度上普遍反映出文本用詞的情況，故而分析文本特征時(shí)需要結(jié)合考量中長(zhǎng)詞的使用情況以及平均詞長(zhǎng)。

但本篇研究也有值得深入改進(jìn)和發(fā)展的地方，自建語(yǔ)料庫(kù)所用語(yǔ)料的數(shù)量還可以有所增加。此外，可以在自建語(yǔ)料庫(kù)基礎(chǔ)上，利用參照語(yǔ)料庫(kù)，制作出礦業(yè)領(lǐng)域的專業(yè)詞匯，服務(wù)于翻譯實(shí)踐。

參考文獻(xiàn)：

[1]陳其慎，于汶加等.礦業(yè)發(fā)展周期理論與中國(guó)礦業(yè)發(fā)展趨勢(shì)[J].資源科學(xué)，2015（05）：891-899.

[2]Nord，Christiane.Translating as a Purposeful Activity：Functionalist Approaches Explained. Manchester：St Jerome，1997.

[3]鄧曉宇，胡小婕等.基于類比語(yǔ)料庫(kù)的紅色旅游文本語(yǔ)言分析研究[J]. 江西理工大學(xué)學(xué)報(bào)，2015（06）：102-106.

[4]梁茂成，李文中等.語(yǔ)料庫(kù)應(yīng)用教程[M].北京：外語(yǔ)教學(xué)與研究出版社，2010.

[5]楊惠中.語(yǔ)料庫(kù)語(yǔ)言學(xué)導(dǎo)論[M].上海：上海外語(yǔ)教育出版社，2002.

[6]姜文東，任娟.基于語(yǔ)料庫(kù)的《格列佛游記》文本詞匯特征分析[J].山東廣播電視大學(xué)學(xué)報(bào)，2013（02）：55-56.

[7]楊秀珍，續(xù)娜等.基于語(yǔ)料庫(kù)的《暮光之城》系列小說(shuō)詞匯特點(diǎn)初探[J].長(zhǎng)春理工大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2010（02）：71-73.

[8]鄧耀臣，馮志偉.詞匯長(zhǎng)度與詞匯頻數(shù)關(guān)系的計(jì)量語(yǔ)言學(xué)研究[J].外國(guó)語(yǔ)（上海外國(guó)語(yǔ)大學(xué)學(xué)報(bào)），2013（03）：29-39.

作者簡(jiǎn)介：

詹露（1994.03.08—），女，重慶人，同濟(jì)大學(xué)外國(guó)語(yǔ)學(xué)院英語(yǔ)語(yǔ)言文學(xué)2015級(jí)研究生，主要研究方向?yàn)榉g學(xué)。endprint