關于旅游英語語料庫的創建

王華鑫

摘 要 旅游英語語料庫旨在收集旅游文本，并應用于旅游翻譯。本文首先回顧了旅游英語語料庫建立的背景，繼而從語料的采集、語料文本的數字化、語料的對齊、語料的標注四個方面闡述了語料庫創建的具體流程。

關鍵詞 旅游英語 語料庫 標示語翻譯 教學

0引言

南太行地區的旅游資源具有豐富的地方特色和文化多樣性。這些特點一方面凸顯了南太行旅游資源其獨特性，另一方面，也為旅游資源的翻譯問題增加了難度，假使景區標示語和景點翻譯過于隨意，則無法準確傳遞南太行景區的文化內涵。20世紀90年代一個新的翻譯研究范式應運而生，即語料庫翻譯研究。語料庫翻譯研究是通過建設平行語料庫的方法對翻譯進行研究，北京外國語大學王克非教授支持建立的英漢雙語語料庫是國內較有影響的英漢漢英平行語料庫。經調查，我們發現目前的通用型語料庫無法十分準確地反映南太行旅游景區的特征，因此，亟需建立一個標準旅游英語語料庫使之能夠應用于南太行景區。

1旅游英語語料庫的創建

本語料庫的具體創建，首先需要采集語料并將語料數字化，之后對語料進行標注、對齊等一系列操作。

1.1采集語料

本語料庫屬于專用、同質型語料庫，只收集與旅游景區相關的中英文原生性文本，雖然局限了該語料庫的文本收集，但確保收集到的語料符合建庫目的和標準。本語料庫在建設中除采用研究小組多成員把關措施之外，還另外邀請我院語料庫研發中心的多名資深專業教師和旅游管理領域的專業人士進行文本的審核、確定，確保采集文本的適合性和代表性。此外，在部分介紹較多的旅游景點文本材料選擇方面，該語料庫依據三角驗證法，反復核對入庫文本。確保旅游英語語料庫庫具有較好的準確性。

1.2文本數字化

一般而言，創建語料庫大多需要在線的電子網絡文本作為原材料，收集旅游標示語或景點介紹相關的翻譯用語等信息的圖片以及其他正式旅游出版物等，最終將這些材料以txt文本格式儲存在語料庫中，此時就需要語料文本的數字化處理技術。

根據該語料庫的文本來源的不同，可將語料文本數字化處理技術大致分為掃描識別、文本轉化、手工錄入等幾大類型。如對于以圖片形式儲存的語料文本，可借助掃描儀制成高清圖片，并將其轉化成PDF文件，再利用文本轉換器工具，將圖片上的文字轉換成文本進行采集，必要時可對模糊不清的圖片進行修復；對于已經出版的涉及旅游景區或景點介紹的翻譯用語的書籍資料，可通過機器掃描等技術將其錄入語料庫。

1.3對齊語料

語料的切分與對齊是建設平行語料庫的一個關鍵。本語料庫采用了人工切分對齊與使用軟件切分對齊兩種方法。通過ParaConc或AntConc等軟件來可以對語料庫進行檢索和分析，但必須要對語料庫的語料文本進行雙語對齊。目前，語料句式對齊是創建語料庫的重點和難點。國外已經擁有較為先進的應用工具，能夠對語料文本進行高精度的句式對齊處理，譬如Multiconcord。但由于英語是形合語，漢語為意合語，兩種語言差異較大，而且在標點、句式等方面存在諸多不同，特別是在旅游景區或景點的翻譯方面，標示語或景點翻譯并未完全采取句式的標準，存在擴譯、省譯或摘譯等現象。所以，利用軟件進行語料文本自動對齊處理并不能完全滿足實際需求，還需人工對齊語料。

1.4標注語料

標注加工，首先做到英漢雙語在句子層級上對齊，可鏈接檢索，以方便各種研究需要。之后進行初步的分詞處理和詞性的標注，并預留今后在句法、語義等層面上深加工的余地。

語料對齊之后需要標注語料，通過對語料進行標注，可以更好地檢索分析。語料標注的模式多種多樣，本語料庫應用的是TEI標注模式。

語料標注包括語料文本信息、詞性、語義、句法分析等。其中，文件名即能反映出語料文本的部分信息，如south.eng 表示是與南太行景區英文翻譯有關的文件。然而，僅憑文件名只能提供很少信息，不足以滿足實際需求，還需要補充標題、作者信息、語料來源、內容格式以及類型等方面信息。本文僅以詞性賦碼（POS）為例，今后如有其他方面需求再另行補充。詞性賦碼是將詞的類別標注出來，如名詞、動詞等，其目的是令讀者明晰單詞的詞性。作為語料標注最基礎的詞性標注，對于語料庫中文本的句法分析和文本分析方面具有重要價值。該語料庫的中文語料采用中科院中文分詞程序ICTCLAS對文本詞性進行標注；英文語料則應用德國斯圖加特大學計算語言學研究所Helmut Schmidt開發的Treetagger工具進行詞性標注。

2結語

本文借鑒了前人創建語料庫的寶貴經驗，因此，在語料庫的設計、語料的收集、數字化、對齊以及標注等環節都較為慎重。基于語料庫的翻譯和語言實踐日益受到了國內外研究者的重視，而完成高質量的語料庫創建則是翻譯和語言實踐的前提條件。本文簡要分析了旅游英語語料庫創建的方法和流程，但仍有部分問題有待完善，如雙語文本在句子層面的對齊、語義標準技術革新等。但在可預計的情形下，隨著語料庫翻譯學的研究及旅游業的不斷發展，語料庫這一方法在旅游景區的應用必將發揮更大優勢。

參考文獻

[1] Anthony，L.AntConc Version 3.2.2 Tokyo[D].Japan： Waseda University，2011.

[2] Barlow，M.ParaConc： Concordance software for multilingual parallel corpora[J].Language Resources for Translation Work and Research，2002.

[3] Ide，N.& J. V閞onis，（Eds.）. Text encoding initiative： Background and contexts [M]. Springer Science & Business Media，1995.

[4] Li， Defeng. 2004.Trustworthiness of think-aloud protocols in the study of translation processes[J].International Journal of Applied Linguistics，2004（03）：301-313.

[5] Mason，I.Translator behavior and language usage： Some constraints on contrastive studies [J]. Hermes，2001（26）： 65-80.

[6] Schmid，H.TC project at the Institute for Computational Linguistics of the University of Stuttgart[J].Treetagger，1994.

[7] Woolls，D.Multiconcord version 1.5.Birmingham[J].CFL Software Development，1997.

[8] 黃昌寧.語料庫語言學[M].北京：商務印書館，2002.

[9] 李德超，王克非.新型雙語旅游語料庫的研制和應用[J].現代外語，2010（02）：46-54.

[10] 梁茂成，李文中，許家金.語料庫應用教程[M].北京：外語教學與研究出版社，2010.

[11] 王克非.新型雙語對應語料庫的設計與構建[J].中國翻譯，2004（06）：73-75.