技術賦能下的術語翻譯與術語管理

摘" 要：迅猛發展的語言智能技術及工具有助于提升大型翻譯項目中術語的翻譯質量和管理效率。文章以中華學術外譯項目《論中國鄉村變遷》的英譯為例，探討利用語料庫技術、CAT技術和ChatGPT解決人工識別術語效率低、術語預翻譯結果不佳、管理效率不高的問題。文章設計并實施了基于Sketch Engine、云譯客和ChatGPT的術語翻譯及管理流程，較為快速、準確地整理了高頻術語表，創建了雙語術語庫并實現了術語存儲、檢索、維護及分享。結果顯示，Sketch Engine術語自動識別功能的精確率達到約69.35%；云譯客平臺的智能化程度高，使用簡單流暢；ChatGPT在輔助術語的譯后編輯過程中能快速提供專業知識、背景信息及翻譯建議等。可見，所提出的流程能有效地提升術語的翻譯質量和管理效率。

關鍵詞：術語翻譯；術語管理；翻譯技術；《論中國鄉村變遷》；語言智能工具

中圖分類號：H059；H083" 文獻標識碼：A" DOI：10.12339/j.issn.1673-8578.2024.02.007

Exploration of Technology-enabled Terminology Translation and Management： A Case Study on Chinese Academic Translation Project of“C-E Translation of The Transformation of Rural China”//LONG Yuqiong，ZHOU Xiaoling

Abstract： Language intelligence technologies and tools can help improve translation quality and management efficiency of terminology in large-scale translation projects. Taking the Chinese Academic Translation Project “C-E Translation of The Transformation of Rural China” as an example， we address such problems as low efficiency of manual term recognition， poor pre-translation results and low management efficiency of terms with corpus technology， CAT technology and ChatGPT. Through a term translation and management process based on Sketch Engine， POWER ECHO and ChatGPT， high-frequency term lists of the book The Transformation of Rural China are extracted and sorted out， a bilingual term database is established efficiently， and the storage， retrieval， maintenance and sharing of terms are achieved. Our results show that the precision of automatic recognition function of Sketch Engine is about 69.35%， POWER ECHO platform is relatively user-friendly and smart， and ChatGPT can quickly provide professional knowledge， background information and translation suggestions in post-editing. These results show the process can significantly improve the translation quality and management efficiency of terms.

Keywords： terminology translation; terminology management; translation technology; The Transformation of Rural China; language intelligence technology

收稿日期：2023-07-21" 修回日期：2023-10-12

基金項目：國家社會科學基金中華學術外譯項目“《論中國鄉村變遷》的英譯（21WSHB004）”；上海外國語大學《習近平談治國理政》多語種數據庫綜合平臺在外語教學與科研中的應用（2022-IG-G0008）

在大型翻譯項目中，專有名詞、專業術語、特色表達等都有其特定的專業背景或語言風格，且規模一般較大。這對術語的翻譯和管理提出了更高的要求。因此，如何保證大型翻譯項目中的術語翻譯質量及術語管理效率是值得探究的問題。隨著語言智能技術的飛速發展，豐富的術語庫及語料庫平臺、智能在線翻譯平臺和大語言模型能幫助譯者大幅提升術語翻譯質量及管理效率，具體而言可實現術語自動識別、整理、翻譯、質檢、存儲、檢索及維護，提高語言資產的復用率，使整個術語翻譯和管理流程規范化。基于此，本研究依托中華學術外譯項目“《論中國鄉村變遷》的英譯”，探究如何借助語料庫平臺Sketch Engine、在線翻譯平臺云譯客和聊天型人工智能助手ChatGPT提升術語翻譯質量及管理效率，并討論所出現的問題。文章首先提出術語翻譯與管理的基本概念和實施流程，之后對結果及局限性進行分析。

1" 術語翻譯和術語管理的基本概念與步驟

術語是各門學科中的專門用語。術語可以是詞，也可以是詞組，用來正確標記生產技術、科學、藝術、社會生活等各個專門領域中的事物、現象、特性、關系和過程。根據術語與專業領域之間的關聯以及使用范圍的差異，可以將術語分為純術語、一般術語、準術語三個類別［1］。純術語的專業性最強，使用范圍較小，一般為專業研究人員所使用。一般術語專業性則相對于純術語較弱，是各領域的基本術語。準術語的專業性最弱。在科技普及的今天，準術語在日常生活中隨處可見。本文使用上述的術語概念提取了《論中國鄉村變遷》一書中的術語，將書中專業性較強的專業術語歸為純術語，如“宅基地”“集體經營性建設用地”“城鎮化率”“確權到戶”“資格權”“資源要素”等；將專有名詞和常見的專業術語等歸為一般術語，如“恩格斯”“馬克思”“小康社會”“承包權”“《德意志意識形態》”等；將固定詞語、短語歸為專業性較弱的準術語，如“生產力”“資本主義”“社會主義”“工業化”等。需要說明的是，純術語、一般術語和準術語三個概念的含義在不同的上下文中會有所變化，所以這三個概念的界定較為模糊，或有重疊。

術語管理是為了滿足某種目的而對術語資源進行管理的實踐活動，通常包括術語的收集、描述、處理、存儲、編輯、呈現、搜索、維護和分享等［2］。翻譯協作中的術語管理活動覆蓋了譯前、譯中、譯后三個階段。譯前包括術語提取、翻譯、術語庫創建等工作；譯中需術語匹配、識別和添加新術語；譯后需對術語進行備份及維護［3］。

2" 術語翻譯和術語管理研究現狀

翻譯學界對外譯項目中的術語研究集中在以下兩個方面。一方面，學者們對術語翻譯進行了探討，如術語翻譯策略、問題及難點、術語翻譯概念及特征等。黃鑫宇、魏向清［4］從認知術語學視角出發，提出了中華思想文化核心術語翻譯的概念建構模型。有學者從術語翻譯特征出發，探討了文化術語翻譯的實踐理性及有效性原則［5］。另一方面，國內學界對術語規范化的研究也日益增加。余靜［6］討論了翻譯策略中術語的規范問題，并提出術語關聯的解決思路。在文化外譯的術語翻譯規范方面，學者們主要探討了法律文化術語的譯名統一與規范化［7］、中醫藥名稱的術語規范化［8-9］及文化外譯的術語規范化研究概況［10］。

術語自動提取可以采用基于規則［11］的方法，如基于構詞特點、句法特點以及領域特點自動提取術語，從語料中抽取匹配模板的詞語。基于數理統計的方法主要為統計量計算和機器學習方法。基于統計量的方法通過計算詞頻、互信息［12］、TF-IDF等統計量來提取術語，具有通用性。基于機器學習［13-14］的方法主要是利用已標注的大規模語料訓練模型，通過模型預測未標注的語料，將術語抽取問題轉為序列標注問題或分類問題。隨著機器學習技術的發展，支持向量機（SVM）、深度學習等方法開始用于訓練模型并進行術語識別。這些方法可以捕捉語義關系，更好地理解術語的上下文語境。如李貞貞等提出了基于深度學習和統計信息的術語抽取方法［15］。一些學者還結合多種方法提取術語，如基于詞性（POS）模式規則、語料庫比較和改進TF-IDF權重的方法［16］、 SRP-TF-IDF模型［17］以及基于術語的語言特征和復合測量方法的提取方式［ 18］。而中文術語識別因中文字符密度高、詞匯復雜的特點正面臨特定的挑戰。研究者在中文術語識別方面探索了基于字［19］、詞［20］和基于字詞混合［21-22］ 的方法。

在術語管理方面，ISO（國際標準化組織）和NISO（美國國家信息標準化組織）為術語標準化做出了突出貢獻。ISO制定的相關國際標準包括ISO 704、ISO 1087、ISO 12620標準，涵蓋術語的編寫和組織、定義、術語數據庫等方面的信息。NISO制定的NISO Z39.19、NISO RP-8、NISO RP-9標準分別提供了信息科學術語標準、數字化圖書館術語標準化、資源描述方面的指南。常用的術語管理工具主要有SDL MultiTerm、TermWeb、Wordbee Term、FluTerm、OmegaT和TaaS等。

在技術應用方面，國內學者為推動中國外譯項目的發展，嘗試將現代技術與外譯項目相結合。柳菁提出了敦煌文化術語庫的建設，設計了“敦煌文化術語編纂平臺”［23］。劉潤澤、丁潔、劉凱則探討了中國特色術語庫的標準化建設問題，分析其背后的實踐邏輯，并提出未來研究工作的新方向與新方法［24］。同時，語言服務行業中的術語管理流程、工具等［2， 25］、翻譯協作中的術語管理［3， 26］及術語歸類管理［27］等問題也受到了關注。不過，國內對于中華學術外譯項目這類大型翻譯項目中的術語翻譯及管理的研究較為欠缺。

本文結合現代技術，將多種簡單易用的在線網絡平臺和工具融入《論中國鄉村變遷》的英譯實踐中，設計并實施術語翻譯及管理流程，幫助翻譯人員解決人工識別術語效率低、術語預翻譯結果不佳、管理效率不高的問題。

3" 《論中國鄉村變遷》英譯項目中的術語翻譯和管理流程

高效規范的術語翻譯和管理流程能保證大型翻譯項目中術語翻譯的準確性、一致性及術語管理效率。《論中國鄉村變遷》英譯項目組共6人，包括項目負責人1名、工程技術人員1名、譯者3名和外國審校專家1名，其中術語預翻譯由機器翻譯引擎實現，術語譯后編輯由譯者完成，術語管理中的技術問題由技術人員負責。針對該英譯項目前期出現的人工識別術語效率低、部分術語預翻譯結果不佳、管理效率不高的問題，本文提出了基于Sketch Engine、云譯客和ChatGPT的術語翻譯及管理流程。其中Sketch Engine是由語料庫專家Adam Kilgariff設計的詞典編纂輔助系統。該系統利用自然語言處理技術對包含數十億個單詞的真實文本（文本語料庫）進行分析，能識別出詞匯及表達的常見含義和用法等相關信息。目前，Sketch Engine中包含了500個現成可用的語料庫，支持90多種語言，已被廣泛運用于詞典編纂、語言學習、機器翻譯、文本挖掘應用程序等諸多領域。Sketch Engine的功能主要包括詞語速描（Word Sketch）、關鍵詞提取（Keywords）、索引（Concordance）、網頁搜索（Web Search）。云譯客是一款在線翻譯平臺，大部分功能可以免費使用，為譯員和翻譯團體提供了實時的人機共譯智能翻譯協作環境。ChatGPT是由OpenAI開發的一種基于GPT（Generative Pre-trained Transformer）模型的對話系統。通過人機對話的方式，ChatGPT可完成多語種翻譯、語法糾錯等多項語言生成任務［28］。

整個流程包括譯前、譯中和譯后三個階段，見表1。譯前階段，項目組需要創建雙語術語庫，該任務分為三步完成：第一步，將全書處理為純文本格式文件，按章節進行拆分，將每章節的純文本文件導入Sketch Engine，創建為目標語料庫。使用Sketch Engine的“Keywords”功能進行術語的自動識別。需要說明的是，該功能先將目標語料庫中的純文本進行預處理，如分詞、使用Stanford NLP進行詞性標注、語法解析等。通過比較目標語料庫和參考語料庫zhTenTen17 Simplified中符合中文語法的結構的出現頻率，識別出頻率較高的詞匯或短語作為術語［29］。zhTenTen17 Simplified語料庫共135億詞，涵蓋各種網站、話題和文本類型的網絡信息。使用“Concordance”功能可以查看術語的上下文，在ChatGPT的輔助下確定術語含義，進行人工整理。接著將單語種術語表導入云譯客平臺。第二步，使用云譯客的“機器預翻譯”功能，進行術語預翻譯。借助ChatGPT獲取專業知識，進行近義詞辨析，查詢背景信息和獲得翻譯建議等，對術語預翻譯結果進行譯后編輯。第三步，使用云譯客“GPT質檢”功能進行質檢，使用“語言資產”功能存儲術語對。在譯中階段，翻譯平臺自動匹配術語，提供術語對。項目組成員可檢索術語、修改術語、添加新術語并備注。在譯后階段，技術人員對術語庫進行備份、維護、分享，甚至協作共建術語庫。

術語翻譯及管理流程的主要工具及作用如圖1所示，其中使用Sketch Engine自動識別和整理術語與使用云譯客平臺進行術語預翻譯、譯后編輯、質檢、存儲、檢索、維護及分享是主流程。而通過ChatGPT獲取專業知識，進行近義詞辨析，查詢背景信息及獲取翻譯建議等則貫穿于整個流程。

4" 《論中國鄉村變遷》英譯項目中的術語翻譯及管理流程實施結果分析

項目組首先將《論中國鄉村變遷》全書的純文本導入Sketch Engine，創建為一個語料庫，從“CORPUS INFO”獲取該語料庫的統計數據見表2。該語料庫中共有2737個句子，80 782個詞，106 345個詞符（包括詞、標點符號和其他語言元素），8134個不同詞性的詞目，包含非單詞的詞共7121個，涵蓋9種詞性。基于上述流程，項目組在短時間內創建了包含1387個術語對的雙語術語庫。為評估該術語翻譯及管理流程的可行性，下面對流程的實施結果進行分析討論。

4.1" 高頻術語表及術語搭配

高頻術語是指出現頻率較高的術語，通常用以表述書中的核心概念或主題。通過了解高頻術語，譯者可大致知曉原書作者要傳達的核心思想，這也為后續翻譯打下基礎。

項目組首先使用Sketch Engine和ChatGPT，整理出高頻術語及其出現頻次，如表3、4所示。由表3可知，《論中國鄉村變遷》一書主要討論在城鎮化及現代化進程中，經濟體制改革、城鄉融合發展、鄉村振興戰略背景下的城鄉關系、農村改革、鄉村治理、鄉村社會文化、農村土地及農民問題。每章中描述中國鄉村變遷的側重點有所不同，各章高頻術語如表4所示。

譯者還可通過Sketch Engine的“Word Sketch”功能了解術語的具體搭配信息。例如，在全書語料庫中檢索“城鄉”得到的搭配信息（圖2）如“破除城鄉二元結構”“工農城鄉關系”。使用數據可視化功能得到的搭配分布情況如圖3所示。離圓心的距離代表了其典型性程度，“城鄉融合”比“城鄉發展”就更具典型性；圓圈大小表示該搭配的出現頻率，如“城鄉融合”“城鄉發展”比“城鄉對立”“城鄉分離”出現頻率更高；餅狀圖中不同的語法關系用不同顏色表示，各部分的大小表示不同語法關系的比例。

4.2" Sketch Engine自動識別術語的精確率及問題分析

本文用精確率P（Precision）［19］作為 Sketch Engine自動識別功能準確程度的評價指標，計算公式如下：

P=正確識別的術語數識別出的術語總數×100%

其中，分子為保留的正確術語的數目，分母為識別出來的術語總數，包含重復術語的數目。項目組使用Sketch Engine自動識別結果共計2000條，經整理保留有效術語1387條。精確率P為69.35%，精確率較高。這說明Sketch Engine能較準確地識別《論中國鄉村變遷》中的術語。

但是，自動識別功能仍存在以下問題：（1）部分識別結果不完整。如“弱縣”的完整術語應為“財政弱縣”，“屬地化”的完整術語應為“屬地化戶籍管理模式”；（2）識別結果部分重疊，例如第一章中“黨的十九大報告”和“習近平新時代中國特色社會主義”的其他識別結果及頻次，如表5所示；（3）部分識別結果不是術語，例如，從“實現鄉村的真正振興”中提取的“真正振興”就不屬于術語。又如，從“在計劃和市場關系問題上”和“處理好政府和市場關系”中提取的“市場關系”也不是術語。要解決上述問題，譯者可使用“Concordance”功能核對上下文并整理術語。

4.3" 基于云譯客的術語翻譯、質檢、存儲、檢索、維護及分享

在術語翻譯及管理流程中，云譯客發揮了至關重要的作用。該平臺有以下特點：（1）功能較齊全。

云譯客平臺有20多種垂直領域的專業翻譯引擎，并接入GPT機翻、質檢等服務。使用云譯客中的機器翻譯引擎可以對術語進行預翻譯，借助“GPT質檢”功能可以進行質量檢查。在術語翻譯過程中，譯者備注信息，并導出至雙語術語文檔中，然后存儲到云譯客的術語庫。譯者既可在“個人翻譯”界面參考右邊自動匹配的雙語術語信息，也可在云譯客的“術語語料檢索”界面搜索術語，并不斷添加新術語，同時實現了術語的檢索與維護。（2）導出文件的格式多樣。雙語術語可導出為CSV、TMX、TBX和XLSX四種格式進行備份。四種文件格式可確保導出的文件與各種計算機輔助翻譯軟件及工具有良好的格式兼容性。（3）云譯客平臺界面簡潔，操作簡單。不過在實施過程中，仍出現過多次批量術語導入術語庫失敗的情況。（4）與GPT深度融合。在使用后期，該平臺上線了新功能“GPT全流程”，包括“GPT機翻引擎”“GPT質檢評分”“GPT質檢修改意見”“GPT一鍵譯文潤色”功能，將GPT全面嵌入翻譯全流程，大大增強了用戶體驗，提升了術語翻譯質量和質檢效率。以《論中國鄉村變遷》第三章的94個詞組型術語為例，使用“GPT質檢”功能對雙語術語對進行質檢，其中81個術語獲得滿分5分，11個術語獲得4分，2個術語獲得3分。大部分GPT質檢修改建議準確可行，但也存在部分修改建議不合理，需要譯者多方查證的情況，如“GPT質檢”建議將“基本路線”譯文“basic line”改為“basic route”，經查證，官方譯文應是“basic line”。可見此處提供的修改建議有誤。又如翻譯“南方談話”時，“GPT質檢”建議直譯為“Southern Talks”（圖4）也不準確，應增譯“Deng Xiaoping’s”和“Tour”等背景信息，以幫助目標語讀者更好地理解“南方談話”。

原文：南方談話

“GPT質檢”修改建議：The translation for “南方談話”

should be “Southern Talks” instead of “South Tour Talks”.

正確譯文：Deng Xiaopings South Tour Speeches; Deng

Xiaopings Southern Tour Talks

4.4" ChatGPT輔助下的術語譯后編輯

進行術語預翻譯后，項目組發現部分結果不理想。經過分析，發現原因包括將術語字對字譯為英語，特定領域的術語專業性強，或未考慮社會文化因素。針對該問題，項目組對預翻譯結果進行了譯后編輯，主要方法為通過ChatGPT獲取專業知識，辨析近義詞，詢問翻譯建議及查詢背景信息等。

4.4.1 ""獲取專業知識

不同語言系統對概念的表達方式存在差異。因此，直接將中文術語字對字譯為英語在多數情況下不能準確傳達其含義。譯者可以根據ChatGPT提供的專業知識思考術語的翻譯。如原文中“土地邏輯”“制度邏輯”“資本邏輯”“市場邏輯”應如何翻譯？預翻譯的結果是直接字對字譯為“land logic”“system logic”“capital logic”“market logic”，不免讓人不知所云。柯林斯在線詞典（Collins Dictionary）中“logic”一詞意為“A particular kind of logic is the way of thinking and reasoning about things that is characteristic of a particular type of person or particular field of activity”［30］，即某類人和某一特定領域的思考和論證方式。接著，查看上下文“因此，鄉村要實現振興，就必須遵循市場經濟的發展邏輯，包括資本邏輯、土地邏輯、制度邏輯”。詢問ChatGPT得到如圖5所示結果。因此可將“土地邏輯”譯為“land-oriented development logic”。又如，“毋庸置疑，鄉村發展必然需要政府在財政投入和資源配置上的優先安排。但向鄉村投資，不能是長官意志下的行政行為，必須基于資本邏輯的市場導向”，其中“資本邏輯的市場導向”可理解為“市場經濟發展所遵循的經濟規律和運作原則”，譯為“laws and principles of market-oriented economy”。

4.4.2 ""辨析近義詞

特定領域的術語常常涉及復雜的專業知識，這也增加了翻譯的難度。在翻譯術語時，使用不同的近義詞差別較大，可能影響術語翻譯的準確性。因此，譯者使用ChatGPT辨析近義詞。如翻譯“生態產權流動”時，“circulation of ecological property rights”和“transfer of ecological property rights”哪個譯文更準確？ChatGPT對近義詞“transfer”和“circulation”的辨析如圖6所示。

4.4.3" 詢問背景信息及翻譯建議

社會文化因素也會對術語翻譯產生影響。在不同的文化背景下，術語的含義和背后的文化內涵可能存在差異，因此譯者在翻譯術語時應充分考慮目標語的文化背景。譯者可基于ChatGPT提供的背景信息及翻譯建議，選擇合適的詞匯準確傳達術語的內涵。例如，谷歌機器翻譯將“城鄉對立”譯為“urban-rural opposition”，《新漢英大辭典》將其譯為“antagonism between town and country”，即城市和農村之間的對立情緒、敵意。這顯然沒有考慮到中國的社會現狀和基本國情。根據ChatGPT提供的“城鄉對立”的背景知識和翻譯建議（圖7），這里的“對立”指城鄉之間經濟、社會和發展的差異，以及兩者之間的矛盾，可譯為“urban-rural divide”或“urban-rural disparity”；“divide”意為“a difference between two groups of people or two things that separates them from each other”［31］，即引發矛盾的差異。因此，ChatGPT生成的譯文更符合中國國情。再如“以鄉補城”，ChatGPT提供的翻譯建議“strengthening the countryside to support the city”較之谷歌翻譯的“make up city with countryside”更為合理。

總之，譯者借助ChatGPT生成的專業知識、近義詞辨析、背景信息及翻譯建議等信息，結合翻譯專業知識，大幅提高了術語翻譯的專業性和準確性。

5" 結語

現代智能技術與工具的發展為大型翻譯項目注入了無限活力。本文借助Sketch Engine、云譯客和ChatGPT解決大型翻譯項目中術語翻譯和管理的費時耗力問題，提升了術語的翻譯質量和管理效率，由此展示了技術給翻譯實踐帶來的機遇與挑戰。Sketch Engine的術語自動識別功能精確率達到約69.35%，但存在部分識別結果不完整或局部重疊等問題。云譯客平臺功能較為智能，使用簡單流暢，但部分“GPT質檢修改建議”提供的翻譯有誤，如未增譯背景信息等。ChatGPT輔助術語譯后編輯過程中能快速提供專業知識、近義詞辨析、背景信息及翻譯建議。實施結果表明，文中所提出的流程行之有效。

本項研究下一步的工作重點是進一步優化該術語翻譯和管理流程，提高術語提取的準確率；集成流程中的各項工具，優化用戶體驗；拓寬該流程的適用領域，以期助力更多中華學術外譯項目提升術語翻譯及管理的效率，以便高效優質地實現對外傳播中華學術思想。本文還將基于高頻關鍵詞與術語，提高大型翻譯項目中專業術語庫和語料庫創建及管理的自動化程度。

未來技術還將不斷發展，更加強大的工具也將應運而生，機器將在更多的領域與人類進行合作。我們應樹立人機共生理念，學習與機器合作的方法與技能，借助技術，以全新的思維方式去發現問題、分析問題和解決問題。

參考文獻

［1］ 陶友蘭， 劉寧赫， 張井. 翻譯技術基礎 ［M］. 上海：復旦大學出版社， 2021： 181.

［2］ 王華樹，張政. 翻譯項目中的術語管理研究［J］. 上海翻譯， 2014（4）： 64-69.

［3］ 王華樹，郝冠清. 現代翻譯協作中的術語管理技術［J］. 中國科技翻譯， 2016， 29（1）： 18-21.

［4］ 黃鑫宇，魏向清. 認知術語學視角下中華思想文化核心術語翻譯的概念建構模型：以 “天”相關術語為例［J］. 中國翻譯， 2020， 41（5）： 88-97.

［5］ 魏向清. 從“中華思想文化術語”英譯看文化術語翻譯的實踐理性及其有效性原則［J］. 外語研究， 2018， 35（3）： 66-71， 111-112.

［6］" 余靜. 論翻譯研究中的術語規范與術語關聯：以翻譯策略研究術語為例 ［J］. 中國翻譯， 2016， 37（1）： 85-90.

［7］" 劉金龍. 中西法律文化交流視角下的翻譯史研究：《從詞典出發：法律術語譯名統一與規范化的翻譯史研究》評述［J］. 中國翻譯， 2014， 35（3）： 64-67.

［8］ 洪梅，朱建平. 中醫藥名詞英文翻譯與規范原則關系的探討 ［J］. 中國科技術語， 2013， 15（2）： 46-51.

［9］ 朱建平. 中醫藥名詞術語規范化的實踐與思考 ［J］. 中國科技術語， 2017， 19（6）： 11-14.

［10］ 安麗娜， 喬洪亮. 中國文化術語外譯能力提升策略探討［J］. 教育現代化， 2020， 7（29）： 144-147.

［11］ KAUSHIK N， CHATTERJEE N. A practical approach for term and relationship extraction for automatic ontology creation from agricultural text［C］//International Conference on Information Technology. Piscataway， NJ： IEEE， 2016： 241-247.

［12］" DU L， LI X， LIN D. Chinese term extraction from web pages based on expected point-wise mutual information ［C］//12th International Conference on Natural Computation， Fuzzy Systems and Knowledge Discovery. Piscataway， NJ： IEEE， 2016： 1647-1651.

［13］" MIJANGOS V. Extraction of definitional contexts through machine learning ［C］//26th International Workshop on Database and Expert Systems Applications. Piscataway， NJ： IEEE， 2015： 217-221.

［14］" NASSIRUDIN M， PURWARIANTI A. Indonesian-Japanese term extraction from bilingual corpora using machine learning［C］//International Conference on Advanced Computer Science and Information Systems. Piscataway， NJ： IEEE， 2015： 111-116.

［15］" 李貞貞，鐘永恒，王輝，等.基于深度學習與統計信息的領域術語抽取方法研究［J］. 數據與計算發展前沿， 2022， 4（2）： 87-98.

［16］" DORJI T C， ATLAM E， YATA S， et al. Extraction， selection and ranking of Field Association （FA） Terms from domain-specific corpora for building a comprehensive FA terms dictionary［J］. Knowl Inf Syst， 2011， 27： 141-161.

［17］" WANG Z H， WANG D， LI Q. Keyword Extraction from Scientific Research Projects Based on SRP-TF-IDF ［J］. Chinese Journal of Electronics， 2021， 30（4）： 652-657.

［18］" 周志浩，李建波. 基于語言特征和復合測量的農業術語自動抽取研究［J］. 科學技術與工程， 2022， 22（24）： 10625-10630.

［19］ 王健，殷旭，呂學強，等. 基于CRFs的專利文獻領域術語抽取方法［J］. 計算機工程與設計， 2019， 40（1）： 279-284.

［20］ 彭琳，劉宗田，楊林楠，等. 基于互信息和條件隨機場模型的中文領域術語識別方法： CN103049501B ［P］. 2013-04-17.

［21］ 歐陽蘇宇，邵鎣俠，杜軍平，等. 基于字詞混合和GRU的科技文本知識抽取方法［J］. 廣西科學， 2022，29（4）： 634-641.

［22］ 葛君偉，李帥領，方義秋. 基于字詞混合的中文實體關系聯合抽取方法［J］. 計算機應用研究， 2021， 38（9）： 2619-2623.

［23］" 柳菁. 敦煌文化漢英術語庫建設及術語管理研究［J］. 中國科技術語， 2019（2）： 17-21.

［24］" 劉潤澤， 丁潔， 劉凱. 中國特色術語庫標準化構建的創新實踐與方法論意義［J］. 中國翻譯， 2019， 40（1）： 104-110.

［25］" 王華樹， 王少爽. 翻譯場景下的術語管理：流程、工具與趨勢［J］. 中國科技術語， 2019， 21（3）： 9-14.

［26］" 陸詩婷. 網絡協作翻譯項目的術語管理模式初探：以《中國紀錄片發展研究報（2018）》漢譯英項目為例 ［J］. 中國科技術語， 2020， 22（4）： 18-24.

［27］" 邱碧華， 費伯， 萊昂-阿勞斯. 基于框架術語學理論的北約術語管理［J］. 中國科技術語， 2020， 22（3）： 33-39.

［28］" 秦穎.人機共生場景下的外語教學方法探索： 以ChatGPT為例［J］. 外語電化教學， 2023（2）： 24-29.

［29］" ADAM K， MILOS J， VOJTECH K， et al. Finding Terms in Corpora for Many Languages with the Sketch Engine ［C］//Proceedings of the Demonstrations at the 14th Conference the European Chapter of the Association for Computational Linguistics （EACL）. Gothenburg， Sweden： Association for Computational Linguistics， 2014： 53-56.

［30］" Collins Dictionary ［EB/OL］. ［2023-06-19］. https：//www.collinsdictionary.com/dictionary/english/logic.

［31］" Oxford Learner’s Dictionary ［EB/OL］. ［2023-06-19］. https：//www.collinsdictionary.com/dictionary/english/divide.

作者簡介：龍昱瓊 （1995—），女，湘潭理工學院教師。華南師范大學碩士畢業，英語筆譯中級。主要研究方向為翻譯技術、非文學翻譯等。通信方式：876452666@qq.com。

通訊作者：周小玲（1977—），女，博士，華南師范大學外國語言文化學院副教授，碩士生導師，廣東省翻譯協會理事會理事。主要研究方向為翻譯理論與實踐、語料庫翻譯學等。主持國家社科基金項目1項，發表論文20余篇。通信方式：zhouxiaoling@m.scnu.edu.cn。