國(guó)外雙語庫(kù)研制與應(yīng)用評(píng)析

摘要：本文綜合評(píng)介了國(guó)外八大雙語平行語料庫(kù)的構(gòu)建和應(yīng)用，說明了各個(gè)語料庫(kù)的優(yōu)勢(shì)與不足。作者認(rèn)為，國(guó)外雙語語料庫(kù)研究起步較早，在語料庫(kù)技術(shù)和研究方法上有相當(dāng)積累，但也顯示出一些局限性：1）語料庫(kù)規(guī)模較小，語料代表性有限；2）研究的切入點(diǎn)不夠，基于雙語庫(kù)的語言類歷時(shí)研究闕如；3）專門語料庫(kù)的研制與應(yīng)用滯后；4）雙語庫(kù)基礎(chǔ)上的應(yīng)用研究和相關(guān)技術(shù)開發(fā)不足。文章指出，上述問題正是今后研究之課題，為超大型、多用途的雙語平行語料庫(kù)的構(gòu)建與應(yīng)用提供了思路。

關(guān)鍵詞：雙語平行語料庫(kù)；研制與應(yīng)用

Construction and Application of Parallel Corpora: Issues and comments

Abstract: The paper makes a comprehensive review on the construction and application of 8 major bilingual parallel corpora in the world. Some pitfalls in the corpus-based researches are revealed despite their rich experiences in technology and research method. The issues are manifested as follow: 1) the size of the corpora is not big enough to be representative; 2) research topics are not as varied, especially in respects of language and translation research from a historical perspective; 3) corpora for special purposes are less developed; 4) researches in application and technology based on a parallel corpus still wait to be done. The questions above turned to be the topics to discuss, the authors think, and are conducive to researches on the construction of a large-scale and multipurpose corpus.

Keywords: parallel corpus, construction and application

1 引言

20世紀(jì)90年代初，世界上第一個(gè)雙語庫(kù)在加拿大建成。1998 年，哈爾濱工業(yè)大學(xué)建成容量3萬句對(duì)的英漢雙語語料庫(kù)。可見國(guó)內(nèi)外雙語庫(kù)構(gòu)建時(shí)間相差不遠(yuǎn)。但雙語庫(kù)應(yīng)用于語言和翻譯研究在國(guó)外起步較早，建庫(kù)的同時(shí)許多相關(guān)的研究已經(jīng)展開。經(jīng)過20年左右的發(fā)展，國(guó)外雙語庫(kù)在技術(shù)和研究方法有了相當(dāng)多的積累，建立了一批有代表性的雙語平行語料庫(kù)，產(chǎn)生了一大批基于語料庫(kù)的研究成果，形成了多個(gè)研究團(tuán)隊(duì)，相互間對(duì)相同課題展開了深入的討論，推動(dòng)了語料庫(kù)翻譯學(xué)作為一個(gè)新型研究的發(fā)生和發(fā)展。同時(shí)，我們也發(fā)現(xiàn)國(guó)外在雙語語料庫(kù)研制與應(yīng)用方面還存在諸多不足之處。本文在概述國(guó)外八大雙語庫(kù)的構(gòu)建和應(yīng)用的基礎(chǔ)上，點(diǎn)評(píng)國(guó)外這方面研究的得與失。所概述的問題既可能是將來研究的課題，也可為我們構(gòu)建超大型、多用途的雙語平行語料庫(kù)提供一些思路。

2 國(guó)外八大雙語語料庫(kù)概況

2.1 加拿大議會(huì)會(huì)議錄英-法平行語料庫(kù)

加拿大議會(huì)會(huì)議錄英-法平行語料庫(kù)（the Canadian Hansard Corpus）被認(rèn)為是世界上第一個(gè)雙語平行語料庫(kù)，建成于上世紀(jì)90年代初，語料主要為加拿大議會(huì)的辯論記錄，是一個(gè)英-法平行語料庫(kù)。此語料庫(kù)也是世界上第一個(gè)非限制性（unconstrained）語料庫(kù)，語料規(guī)模不斷增加，建成初期規(guī)模約為1百萬詞，內(nèi)容為70年代中期的加拿大議會(huì)會(huì)議日程的官方記錄。之后很快擴(kuò)展到2千6百萬詞，時(shí)間跨度從70年代中期至1987 年，語料內(nèi)容主要限于立法方面的話語，但議題涉及較廣，除立法建議和事先有準(zhǔn)備的演講外，還包括即席討論、書面函電、聽證會(huì)等（參見Roukos et al. 1995；McEnery & Wilson 2001：168）。該語料庫(kù)的語料來源主要為兩個(gè)途徑的二手文本，一個(gè)是IBM的托馬斯?J?沃森研究中心（IBM T. J. Watson Research Center），另一個(gè)則是Bell通訊研究有限公司（Bell Communications Research Inc./Bellcore）。到90年代初，該語料庫(kù)庫(kù)容進(jìn)一步擴(kuò)大到法英雙語共9千萬詞（Kenny 2001：114）。

加拿大議會(huì)會(huì)議錄英法平行語料庫(kù)已被應(yīng)用于對(duì)齊算法（alignment algorithm）（如Church et.al. 1993）、“假朋友”（faux amis）考察，以及機(jī)讀雙語詞典詞匯信息研究（如Klavans & Tzoukermann 1995）等方面。

此雙語庫(kù)主要是以會(huì)議錄音轉(zhuǎn)寫的書面文本，這樣的文本已經(jīng)大為范化（normalised），一些口語語料庫(kù)中較為常見的停頓、中斷和張口出錯(cuò)（false starts）等現(xiàn)象在此語料庫(kù)中被去掉了，因此更像是一個(gè)筆譯語料庫(kù)（McEnery & Wilson 2001：168）。也就是說，此語料庫(kù)是一個(gè)口、筆語混雜的語料庫(kù)，就語料而言，無論作為口譯還是筆譯語料庫(kù)都缺乏一定的代表性。此語料庫(kù)主要被應(yīng)用于計(jì)算機(jī)語言處理方面，在語言對(duì)比和翻譯研究方面的應(yīng)用較少。

2.2 克姆尼茨英-德翻譯語料庫(kù)

克姆尼茨英-德翻譯語料庫(kù)（Chemnitz E-G Translation Corpus）項(xiàng)目開始于1993年，是一個(gè)分別以英語和德語為源文本及對(duì)應(yīng)目標(biāo)文本的雙語雙向平行語料庫(kù)，也就是說包括英語原文與對(duì)應(yīng)的德語譯文、德語原文與對(duì)應(yīng)的英語譯文四類語料。目標(biāo)庫(kù)容150萬詞，但到2001年為止僅達(dá)到50萬（Kenny 2001：114）。語料包括從當(dāng)代英美文學(xué)到科學(xué)教科書，類型多樣。此項(xiàng)目旨在創(chuàng)建一個(gè)機(jī)讀并經(jīng)過對(duì)齊的語料庫(kù)，來發(fā)現(xiàn)介詞、功能動(dòng)詞、指示成分、隱喻或文化局限結(jié)構(gòu)等一系列語言項(xiàng)的翻譯對(duì)應(yīng)項(xiàng)，并做出歸類。在此基礎(chǔ)上探究影響每一類語言現(xiàn)象各類因素配置的規(guī)律性。除了語言結(jié)構(gòu)對(duì)比和翻譯過程認(rèn)知方面的理論探討外，研究結(jié)果還應(yīng)用于雙語詞典編纂、語言教學(xué)和翻譯輔助工具研發(fā)�，F(xiàn)有源于此項(xiàng)目的一個(gè)教學(xué)工具就是一套基于語料庫(kù)的克姆尼茨因特網(wǎng)對(duì)比語法（Chemnitz Internet Grammar）。此項(xiàng)目是在與其它幾個(gè)類似的翻譯語料庫(kù)項(xiàng)目合作基礎(chǔ)上進(jìn)行的，有利于促進(jìn)相近語言之間在翻譯研究、語料庫(kù)語言學(xué)和對(duì)比分析方面的進(jìn)展。合作項(xiàng)目包括倫敦-隆德語料庫(kù)（the London-Lund corpus）中的英語-瑞典語和蘭卡斯特-奧斯陸-卑爾根語料庫(kù)（The Lancaster-Oslo-Bergen Corpus ）中的英語-挪威語語言結(jié)構(gòu)分析，于是英語與德語、瑞典語和挪威語這三種日爾曼語之間的對(duì)比研究就可以在同一模式下進(jìn)行。

以此語料庫(kù)為基礎(chǔ)的研究主要涉及翻譯與認(rèn)知結(jié)構(gòu)、翻譯共性、文化局限語項(xiàng)、搭配詞、對(duì)比語法等方面（詳見Schmied 1994，1998，1999；Schmied & Schaffler 1996；Schaffler 1997；Smitterberg et al. 2000等；The English/German Translation Corpus: The project http://www.tu-chemnitz.de/phil/english/chairs/linguist/real/independent/transcorpus/index.htm）。

此平行語料庫(kù)研制初期的主要目的是用于語言對(duì)比研究和應(yīng)用研究，主要是從詞匯對(duì)比入手，進(jìn)而關(guān)注修辭和搭配�；�于此語料庫(kù)的研究成果表明，他們對(duì)翻譯的關(guān)注只是作為一種研究手段，最終目的是語言研究，研究結(jié)果也主要應(yīng)用于雙語詞典編纂、語言教學(xué)和翻譯輔助工具的研制與開發(fā)。

2.3 德英文學(xué)文本平行語料庫(kù)

德語-英語文學(xué)文本平行語料庫(kù)（German-English Parallel Corpus of Literary Translation，GEPCOLT）是一個(gè)德譯英單向雙語平行的文學(xué)文本語料庫(kù)。建庫(kù)的初衷是為了進(jìn)行翻譯文本中詞匯范化（lexical normalisation）和詞匯創(chuàng)造性（lexical creativity）的考察。語料限制在敘事小說文本方面，主要出于兩個(gè)方面的考慮：第一，有現(xiàn)成的德英小說翻譯的抽樣模式；第二，前人對(duì)于翻譯小說文本的研究已經(jīng)關(guān)注到對(duì)范化問題，說明翻譯小說文本是這類研究的一個(gè)理想文類。語料主要是20世紀(jì)80至90年代出版的當(dāng)代德國(guó)文學(xué)作品的英譯，當(dāng)時(shí)（到2001年）的庫(kù)容為，源文本與譯文本共約2百萬詞（其中德語文本970,270形符，英語譯文1,055,021形符）（Kenny 2001：114）。

該語料庫(kù)借鑒翻譯英語語料庫(kù)（TEC）中篇頭文件（header files）的做法，標(biāo)注了有關(guān)文本出版和翻譯過程等文本外信息（參見Olohan，2004：58-59）。

此語料庫(kù)主要應(yīng)用于翻譯共性問題的考察。例如，Kenny（2000）以GEPCOLT為基礎(chǔ)對(duì)德文原語文本中特定創(chuàng)造性復(fù)合詞及搭配（creative compounds and collocations）在德英翻譯中范化情況進(jìn)行探討，結(jié)果表明在七個(gè)個(gè)案中有兩個(gè)的確發(fā)生了范化，只是尚不能根據(jù)有限的個(gè)案做出籠統(tǒng)的歸納。

Kenny（2001）以GEPCOLT為基礎(chǔ)對(duì)翻譯中的范化和譯者創(chuàng)造性進(jìn)行考察，她發(fā)現(xiàn)翻譯中的確存在詞匯范化現(xiàn)象，而原語文本中的創(chuàng)造性詞匯在大多數(shù)情況下卻沒有發(fā)生范化（2001：187、210）。這說明對(duì)范化現(xiàn)象的研究還是不能完全脫離源語語篇的因素。針對(duì)Olohan & Baker（2000）采用的類比語料庫(kù)方法，Kenny（2005）以德英文學(xué)文本平行語料庫(kù)對(duì)其非強(qiáng)制性that研究結(jié)果進(jìn)行重新驗(yàn)證后指出：英語譯者在say之后使用非強(qiáng)制性that的大多數(shù)情況并非為了去對(duì)應(yīng)德語中的daβ，乍看起來屬于語法上的顯化，但還需要確認(rèn)原語文本中是否使用了除daβ以外的其它連接詞形式來明示從句的敘述性質(zhì)，如果有的話，就很難斷定英語譯文中包含that的做法全都屬于顯化的現(xiàn)象 (Kenny 2005：161)。

GEPCOLT的語料僅限于小說文本，從內(nèi)容上既屬于一般語言語料庫(kù)，也屬于專門文體語料庫(kù)。此語料庫(kù)最大的特點(diǎn)是：研究目標(biāo)決定建庫(kù)類型。在此語料庫(kù)基礎(chǔ)上的研究主要限于翻譯共性，尤其是范化方面的研究。GEPCOLT語料單一，而且為單向平行，語料規(guī)模較小，僅約2百萬詞。目前的研究還僅限于詞匯方面，對(duì)搭配、句法等問題的研究尚未開展。

2.4 英語-挪威語平行語料庫(kù)

英語-挪威語平行語料庫(kù)（English-Norweigian Parallel Corpus，ENPC））是一個(gè)雙向平行語料庫(kù)，由挪威奧斯陸大學(xué)（University of Oslo）文學(xué)院和英美研究系研制，研究團(tuán)隊(duì)的主要成員包括：奧斯陸大學(xué)的Stig Johansson，卑爾根（Bergen）挪威人文學(xué)科計(jì)算中心（Norwegian Computing Centre for the Humanities）的Knut Hofland，以及奧斯陸大學(xué)的研究助理 Jarle Ebeling和Signe Oksefjell。語料包括英語原文及其對(duì)應(yīng)挪威語譯文，和挪威語原文及其對(duì)應(yīng)英語譯文四類文本，這一點(diǎn)與克姆尼茨英-德翻譯語料庫(kù)相似。研制的目標(biāo)是以對(duì)應(yīng)語料庫(kù)為核心，結(jié)合類比的非翻譯語料庫(kù)進(jìn)行語言對(duì)比研究和翻譯研究。文本采用抽樣的方式，每一個(gè)完整文本節(jié)選1-1.5萬詞的篇幅，包括文學(xué)和非文學(xué)文本兩大類，文學(xué)文本以小說文本為主，全庫(kù)共100個(gè)源文本和100個(gè)對(duì)應(yīng)的譯文本，總庫(kù)容為260萬詞（見表-1）。源文本與對(duì)應(yīng)譯文本實(shí)現(xiàn)句子層級(jí)對(duì)齊，由Knut Hofland 所開發(fā)的程序自動(dòng)對(duì)齊，之后經(jīng)過人工校對(duì)，貯存在數(shù)據(jù)庫(kù)中，使用Jarle Ebeling 開發(fā)的翻譯語料庫(kù)瀏覽器（Translation Corpus Explorer）進(jìn)行檢索。

該語料庫(kù)為開放語料庫(kù)，在資源允許的條件下庫(kù)容會(huì)繼續(xù)擴(kuò)大。研究者對(duì)源文本和譯文本都做了詞匯標(biāo)注。 

表-1 ENPC的語料構(gòu)成（參見Johansson 1999/2002: 3）

ENPC項(xiàng)目開始于1994年，完成于1997年。1997-2001年期間，該語料庫(kù)的語料收集擴(kuò)展到德語、荷蘭語和葡萄牙語。ENPC的標(biāo)注系統(tǒng)采用《電子文本編碼語轉(zhuǎn)換指南》（Guidelines for Electronic Text Encoding and Interchange）所提出的TEI（Text Encoding Initiative）格式，即XML格式（Sperberg-McQueen & Burnard, 1994）。各層次文本開始與結(jié)束分別用<..>和</..>標(biāo)出，最常用的就是段落標(biāo)記（<p>...</p>）和句子標(biāo)記（<s>...</s>）。

該語料庫(kù)基礎(chǔ)上的研究?jī)?nèi)容包括：英語與挪威語中的顯現(xiàn)結(jié)構(gòu)（presentative constructions）對(duì)比、英語與挪威語中的語序和信息結(jié)構(gòu)、英語與挪威語詞匯對(duì)比、同文類文本跨語言對(duì)比、翻譯文本與目標(biāo)語中非翻譯文本的對(duì)比、翻譯語言共性等方面。以翻譯文本作為研究對(duì)象，目的不在于揭示翻譯錯(cuò)誤，而是將翻譯產(chǎn)品作為語言對(duì)比研究和翻譯研究的資源。?veras（1998）以英語-挪威語平行語料庫(kù)為基礎(chǔ)，以Blum-Kulka（1986）的顯化假設(shè)為出發(fā)點(diǎn)，對(duì)詞匯和語法兩方面的顯化進(jìn)行了考察，重點(diǎn)放在詞匯銜接上，以揭示拋開語言差異的翻譯語言的具體特征，最終目標(biāo)是試圖得出關(guān)于目標(biāo)語語言社團(tuán)中所盛行的文學(xué)翻譯規(guī)范。

ENPC的建庫(kù)理念比較成熟，英語、挪威語文本實(shí)現(xiàn)雙向?qū)��?yīng)，英語原文與對(duì)應(yīng)挪威語譯文、挪威語原文與對(duì)應(yīng)英語譯文這四類文本可以提供語言對(duì)比研究和翻譯研究所需要的語料。文本實(shí)現(xiàn)了句對(duì)齊，所采用的XML標(biāo)注適用于多類檢索。其局限性在于語料收集采用抽樣的方法，對(duì)語言的銜接性有一定的影響，語料范圍也不夠廣泛。此外，其研究目標(biāo)較多而語料庫(kù)相對(duì)較小，有力不從心之感。

2.5 英語-瑞典語雙向平行語料庫(kù)

英語-瑞典語雙向平行語料庫(kù)（The English-Swedish Parallel Corpus，ESPC）的構(gòu)建開始于1993年，在隆德大學(xué)（Lund University）展開，得到瑞典人文與社會(huì)科學(xué)研究委員會(huì)（Swedish Council for Research in Humanities and Social Sciences）的資助。自1997年起，哥德堡大學(xué)（G?teborg University）加入該項(xiàng)目。主要成員有和隆德大學(xué)的Bengt Altenberg、Mats Johansson、Mikael Svensson教授和哥德堡大學(xué)的Karin Aijmer教授。該項(xiàng)目與英語-挪威語平行語料庫(kù)（ENPC）和翻譯芬蘭語語料庫(kù)（Corpus of Translated Finnish）項(xiàng)目都有溝通與合作。該語料庫(kù)同ENPC一樣包括英語原文及其對(duì)應(yīng)瑞典語譯文，和瑞典語原文及其對(duì)應(yīng)英語譯文四類文本語料，可以開展多類型語言對(duì)比與翻譯研究。該語料庫(kù)2001年的規(guī)模為2千8百萬詞，包括64個(gè)英文文本抽樣及其對(duì)應(yīng)瑞典語譯文和72個(gè)瑞典語文本抽樣及對(duì)應(yīng)英語翻譯文本。每個(gè)文本抽樣通常為10,000-15,000 詞，部分篇幅較短的非小說文本采取全文收錄。

該語料庫(kù)文本選擇遵循如下原則：1）以當(dāng)代語言為主，不局限于特定地區(qū)語言變體；2）包含多種文本類型、多位作家和譯者；3）雙語文本在文類、主題、讀者對(duì)象、語域等方面具備類比關(guān)系；4）節(jié)選文本選擇作品開頭或結(jié)尾部分的連貫章節(jié)；5）盡可能保證所選英語文本除有對(duì)應(yīng)瑞典語翻譯文本外，還有挪威語和芬蘭語譯本。最后一點(diǎn)主要考慮將來與ENPC之間開展兩種關(guān)系密切的語言在語言類型學(xué)上的對(duì)比研究，以及與不同族的芬蘭語的對(duì)比研究。ESPC包含的文本類型比較豐富（如表-2所示），分為小說和非小說兩大類，

表-2 ESPC語料的文本類型構(gòu)成（參見Altenberg et al. 2001）

小說文本又分為兒童小說、犯罪與懸疑小說和一般小說三類，非小說類又包括回憶錄與傳記等8類，若干子類，幾乎涵蓋了各個(gè)領(lǐng)域的文本，有利于開展特定文本或?qū)ｉT用途文本的語言與翻譯研究。ESPC基礎(chǔ)上的研究，除大量的語言對(duì)比分析外，與翻譯相關(guān)的研究涉及翻譯體、附加疑問句、被動(dòng)語態(tài)、動(dòng)詞熟語、分裂句、定式與非定式結(jié)構(gòu)等的語際轉(zhuǎn)換考察（如Aijmer 2001；Axelsson 2006；Fredriksson 2006；Gustawsson 2006；Johansson 2001，2002；Ruin 2001等）。

ESPC語料規(guī)模較大，文本類型比較豐富，有利于開展多文類的語言對(duì)比與翻譯研究。其最突出的一點(diǎn)，就是在建庫(kù)時(shí)就已經(jīng)考慮到與其它語對(duì)語料庫(kù)之間的交叉研究，更大地發(fā)揮了語料庫(kù)的作用。其局限性表現(xiàn)在，盡管文類比較豐富，但語料以抽樣為主，而且從表-2可以看出，具體的子文類文本數(shù)量較小，缺乏一定的代表性。

2.6 英語-意大利語雙向平行語料庫(kù)

英語-意大利語雙向平行語料庫(kù)（Corpus of English-Italian translation，CEXI）1990年代后期由意大利博洛尼亞大學(xué)弗利校區(qū)（University of Bologna（Forlì））負(fù)責(zé)研制，是一個(gè)雙向?qū)��?yīng)的平行語料庫(kù)，語料中一半為英語源文本及其對(duì)應(yīng)的意大利語譯文本，另一半為意大利語源文本及其對(duì)應(yīng)的英語譯文本。該語料庫(kù)為翻譯驅(qū)動(dòng)的語料庫(kù)，即語料選取以目標(biāo)文本為導(dǎo)向。此語料庫(kù)作為一個(gè)學(xué)習(xí)語言、文化和翻譯的資源，其建庫(kù)目的主要是從描寫和應(yīng)用視角出發(fā)的語言學(xué)習(xí)和譯員培訓(xùn)，使學(xué)生和研究者能更多地了解翻譯過程和翻譯產(chǎn)品。

CEXI的設(shè)計(jì)以英語-挪威語平行語料庫(kù)（ENPC）為基礎(chǔ)模式，實(shí)現(xiàn)句子層面的對(duì)齊，不僅用于平行檢索，還應(yīng)用于同一語言內(nèi)翻譯文本與非翻譯文本的對(duì)比、跨語言對(duì)比、跨語言翻譯研究。語料包括文學(xué)（或虛構(gòu)文本）與非文學(xué)（信息性文本）兩大類，主要為散文（prose），不包括詩(shī)歌、戲劇等，也不包括自譯文本、兒童文學(xué)文本、教科書和簡(jiǎn)寫本，時(shí)間跨度主要集中在1976-2000年間。語料采用抽樣的方法，上述四類文本每個(gè)部分80個(gè)文本抽樣。原計(jì)劃庫(kù)容為4百萬詞。實(shí)際收錄92個(gè)文本（其中文學(xué)文本40個(gè)，非文學(xué)文本52個(gè)）的368個(gè)抽樣（每個(gè)文本1-1.5萬詞），共計(jì)460萬詞，研制者計(jì)劃從文本范圍、數(shù)量和類型等幾方面繼續(xù)擴(kuò)大語料庫(kù)的容量（參見Zanettin 2002）。

Bernardini & Zanettin（2004）以英語-意大利語雙向平行語料庫(kù)（CEXI）為例指出，目前大多數(shù)基于語料庫(kù)的描寫翻譯研究主要是在單語類比語料庫(kù)的模式下進(jìn)行，由于社會(huì)文化等因素的制約，保證語料的類比性是一個(gè)很棘手的問題，比如兩種語言在對(duì)方文化中的社會(huì)地位不盡平等、原文與譯文的年代相差過于久遠(yuǎn)等，在此類語料基礎(chǔ)上的研究結(jié)果必然會(huì)受到一定影響。

CEXI的設(shè)計(jì)以英語-挪威語平行語料庫(kù)（ENPC）為基礎(chǔ)模式，雙語雙向平行，句級(jí)對(duì)應(yīng)。語料同樣采用抽樣，規(guī)模較小。其中最突出的一個(gè)問題就語料的不平衡。如Zanettin（2000）的研究表明，以意大利語出版的圖書中，翻譯作品的數(shù)量遠(yuǎn)遠(yuǎn)大于原創(chuàng)作品，其中一半是譯自英語，而以英語出版的圖書中翻譯作品所占的比例卻要小得多，其中譯自意大利語的作品還不足5%。而且兩種翻譯作品在各自的目標(biāo)語文學(xué)系統(tǒng)中所享有的地位也不相同，譯自英語的意大利語作品是意大利流行小說的主宰形式，而譯自意大利語的英語作品在英語世界并沒有同樣的地位。因此，倘若從翻譯作品中選擇意-英雙向平行語料庫(kù)的語料，它們就缺乏一定的可比性。

2.7 葡萄牙語-英語雙向平行語料庫(kù)（English-Portugese Parallel Corpus（Compara））

葡萄牙語-英語雙向平行語料庫(kù)也是以英語-挪威語平行語料庫(kù)（ENPC）為藍(lán)本設(shè)計(jì)的一個(gè)雙向?qū)��?yīng)的平行語料庫(kù)。包括英語源文本及其對(duì)應(yīng)葡萄牙語譯文本，以及葡萄牙語源文本及其對(duì)應(yīng)英語譯文本四類語料，對(duì)應(yīng)文本實(shí)現(xiàn)句子層面對(duì)齊。建成初期僅包括文學(xué)文本，但其它文類陸續(xù)收錄。文本按照德國(guó)斯圖加特大學(xué)（University of Stuttgart）研發(fā)的IMS語料庫(kù)工作平臺(tái)系統(tǒng)（IMS Corpus Workbench system）進(jìn)行編碼，并且可以通過“葡萄牙語語言計(jì)算處理”項(xiàng)目所設(shè)計(jì)的“葡萄牙語計(jì)算機(jī)處理工程”（Computational processing of Portugese project）的DISPARA界面進(jìn)行在線檢索。

Frankenberg-Gacia（2004）以葡-英雙向平行語料庫(kù)（Compara）為基礎(chǔ)，從譯文與原文文本長(zhǎng)度角度探討了非強(qiáng)制顯化問題。通常認(rèn)為非強(qiáng)制性顯化往往表現(xiàn)為添加額外詞匯，F(xiàn)rankenberg-Gacia的研究以定量分析的方法證明了翻譯文本中詞匯數(shù)量的整體增加表明譯文往往比原文更為明晰，而且這并不受制于兩種語言之間的差異。此語料庫(kù)規(guī)模也不太大，目前開展的相關(guān)研究不多。

2.8 歐洲議會(huì)口譯語料庫(kù)

歐洲議會(huì)口譯語料庫(kù)（The European Parliament Interpreting Corpus，EPIC）是由意大利博洛尼亞大學(xué)翻譯語言和文化研究小組負(fù)責(zé)研制的一個(gè)開放的包括英語、意大利語和西班牙語的三語平行語料庫(kù)。語料庫(kù)建成于2004年，包含英語、意大利語和西班牙語以及每種語言同聲傳譯的其它兩種翻譯語言，這樣就構(gòu)成了一個(gè)復(fù)合的平行或類比對(duì)應(yīng)關(guān)系，研究者可以根據(jù)需要任意選取組合，對(duì)翻譯現(xiàn)象進(jìn)行三角考察。語料內(nèi)容主要為一種語言的議會(huì)發(fā)言及其對(duì)應(yīng)的另一種語言的翻譯文本，所有語料都經(jīng)過POS 詞類標(biāo)注處理。

語料內(nèi)容來自歐盟議會(huì)全體會(huì)議的口譯錄音，共有140個(gè)4小時(shí)的錄影帶，這些音像資料包括全體會(huì)議中的源語演講（標(biāo)識(shí)為“Org”）以及英語，意大利語和西班牙語聲道的同聲傳譯（標(biāo)識(shí)為“Int”），亦有歐洲議會(huì)的新聞發(fā)布會(huì)的傳譯內(nèi)容。語料文本主要參考?xì)W盟在會(huì)議后發(fā)布的詳盡的官方稿件，完成文字初稿，再經(jīng)審閱而得�？谧g錄音的轉(zhuǎn)寫采用同傳培訓(xùn)中經(jīng)常使用的影子跟讀方法，一邊聽口譯員的錄音，一邊大聲重復(fù)他們的譯文，同時(shí)利用語言識(shí)別軟件將復(fù)述的言語自動(dòng)輸出文字稿。譯文中的副語言特征（paralinguistic features）則由研究者補(bǔ)充完成。語料均帶有篇頭（header）標(biāo)注，包含與口譯輸出相關(guān)的信息，如言語的長(zhǎng)度（長(zhǎng)、短或中等）、發(fā)言模式（即興、帶稿或兩者兼有）和平均速度（快、中等、慢）以及有關(guān)講者的名字、國(guó)籍、性別和政治背景等，用作檢索的參數(shù)之一。EPIC語料庫(kù)采用POS標(biāo)注，意大利語和英語的文本用的是Treetagger軟件，西班牙語文本采用Freeling軟件。建成之后的語料庫(kù)共涵蓋三個(gè)源語文本（分屬意大利語、英語和西班牙語）的子語料庫(kù)和六個(gè)譯語文本的子語料庫(kù)（參見李婧、李德超 2010：101-102）。

3 國(guó)外雙語語料庫(kù)研制與應(yīng)用評(píng)述

從以上述評(píng)可以看出，國(guó)外雙語語料庫(kù)在研制與應(yīng)用方面起步較早，已經(jīng)在語料庫(kù)技術(shù)和研究方法上有了相當(dāng)?shù)姆e累。但國(guó)外雙語語料庫(kù)的構(gòu)建和應(yīng)用方面也存在諸多問題，主要表現(xiàn)出如下特點(diǎn)：

第一，語料庫(kù)規(guī)模較小，語料代表性有限。

庫(kù)容方面，一些主要的語料庫(kù)在建庫(kù)初期的規(guī)模都較小，千萬詞以上的大庫(kù)不多。如，克姆尼茨英-德翻譯語料庫(kù)項(xiàng)目開始于1993年，目標(biāo)庫(kù)容150萬詞，但到2001年為止僅達(dá)到50萬（Kenny 2001：114）；德語-英語文學(xué)文本平行語料庫(kù)（GEPCOLT）到2001年）的庫(kù)容為約2百萬詞；英語-挪威語平行語料庫(kù)總庫(kù)容為260萬詞；英語-意大利語雙向平行語料庫(kù)到2000年左右?guī)烊轂榧s460萬詞。但許多語料庫(kù)都定位為開放式語料庫(kù)，在不斷增加文本的收入量。

代表性問題包括模式（mode）、文類（genre）、時(shí)間跨度（time span）、語料選材等方面�？傮w而言，書面語語料庫(kù)多于口譯語料庫(kù)，主要原因在于口譯語料庫(kù)建庫(kù)難度相對(duì)較大。文類上以文學(xué)文本為主的通用型語料庫(kù)較多，語料時(shí)間跨度小。

以口譯語料庫(kù)為例，加拿大議會(huì)會(huì)議錄英法平行語料庫(kù)的語料主要為根據(jù)錄音轉(zhuǎn)寫的書面文本，口語文本中較為常見的停頓、中斷和張口出錯(cuò)（false starts）等現(xiàn)象在轉(zhuǎn)寫時(shí)被去掉了，文本在很大程度上已經(jīng)被范化（normalised）（McEnery & Wilson 2001：168）。這樣的語料庫(kù)并非完全真實(shí)的語料，用于口譯研究，難免會(huì)有一些誤差。歐洲議會(huì)口譯語料庫(kù)（EPIC）語料文本主要參考?xì)W盟在會(huì)議后發(fā)布的詳盡的官方稿件，完成文字初稿，再經(jīng)審閱而得。但對(duì)口譯錄音的轉(zhuǎn)寫采用同傳培訓(xùn)中使用的影子跟讀方法，一邊聽口譯員的錄音，一邊大聲重復(fù)他們的譯文，同時(shí)利用語言識(shí)別軟件將復(fù)述的言語自動(dòng)輸出文字稿，譯文中的副語言特征（paralinguistic features）則由研究者補(bǔ)充完成（參見李婧、李德超 2010：101）。由此看來，這樣的口譯語料依然是從實(shí)驗(yàn)環(huán)境下得來，盡管可以在一定程度上描寫口譯過程，但這與真實(shí)情景下的口譯過程還存在一定的差異。

文類方面，大多語料庫(kù)定位為通用語料庫(kù)，但語料來源較為單一。如克姆尼茨英-德翻譯語料庫(kù)的語料包括從當(dāng)代英美文學(xué)到科學(xué)教科書等類型；德語-英語文學(xué)文本平行語料庫(kù)（GEPCOLT）的語料限制在敘事小說文本方面。英語-挪威語平行語料庫(kù)包括文學(xué)和非文學(xué)文本兩大類，文學(xué)文本以小說文本為主；英語-意大利語雙向平行語料庫(kù)的語料包括文學(xué)（或虛構(gòu)文本）與非文學(xué)（信息性文本）兩大類，主要為散文（prose），不包括詩(shī)歌、戲劇等，也不包括自譯文本、兒童文學(xué)文本、教科書和簡(jiǎn)寫本，時(shí)間跨度主要集中在1976-2000年間；葡萄牙語-英語雙向平行語料庫(kù)建成初期僅包括文學(xué)文本；英語-意大利語雙向平行語料庫(kù)時(shí)間跨度主要集中在1976-2000年間。而且以上所述大多數(shù)語料庫(kù)都采用抽樣的方法來采集語料，使語料的代表性收到一定限制。

第二，研究切入點(diǎn)不夠，基于雙語庫(kù)的語言類歷時(shí)研究闕如。

雙語平行語料庫(kù)研制初期，基于雙語庫(kù)的研究主要側(cè)重于語言對(duì)比，盡管也涉及到一些翻譯研究，但主要是與機(jī)器翻譯或計(jì)算機(jī)文字處理的輔助研究。研究的切入點(diǎn)主要在詞匯方面，研究成果的應(yīng)用主要是詞典編纂、語法研究等。2000年以后，對(duì)翻譯語言特征、語言共性等方面的關(guān)注越來越多。主要原因在于，為了區(qū)別于傳統(tǒng)的源文本-目標(biāo)文本的語際對(duì)比模式，語料庫(kù)翻譯學(xué)發(fā)展初期主要采用目標(biāo)語中翻譯文本與非翻譯文本比較的語內(nèi)類比模式。之后一些學(xué)者（如Kenny 2001，2005）建議將平行語料庫(kù)重新引入語料庫(kù)翻譯研究中，作為對(duì)類比模式的補(bǔ)充。目前的研究課題依然主要放在翻譯共性和譯者風(fēng)格方面。隨著語料庫(kù)規(guī)模的不斷擴(kuò)大，時(shí)間跨度可以作為一個(gè)參數(shù)來考察翻譯語言或翻譯給原創(chuàng)語言的歷時(shí)變化。近年來，除了翻譯共性和譯者風(fēng)格外，通過語料庫(kù)方法探索翻譯對(duì)語言的影響開始成為語料庫(kù)翻譯研究的一個(gè)新課題（參見黃立波、王克非 2011：917-918）。

第三，專門語料庫(kù)的研制與應(yīng)用滯后。

資金、版權(quán)、人力、技術(shù)等因素對(duì)語料庫(kù)的規(guī)模有一定的限制。各主要雙語庫(kù)對(duì)專門類型的文本都有一定程度的收錄，但在數(shù)量上還遠(yuǎn)不能滿足現(xiàn)階段各專門用途類翻譯理論研究與應(yīng)用研究的需求，語料的文類對(duì)研究結(jié)果有一定的影響。目前國(guó)際上大多語料庫(kù)還僅限于文學(xué)和非文學(xué)兩種，較為籠統(tǒng)。文學(xué)文本則以小說、散文為主，非文學(xué)作品則以新聞、政論、科技等為主。對(duì)文學(xué)文本之下的戲劇、詩(shī)歌等，以及非文學(xué)文本中的財(cái)經(jīng)、法律、歷史、農(nóng)林、醫(yī)藥等文類細(xì)化不夠。近年來，對(duì)專門文類語料庫(kù)的關(guān)注開始顯現(xiàn)。一些研究中的語料已不僅限于文學(xué)與非文學(xué)的劃分，而是涉及商業(yè)、旅游、醫(yī)學(xué)、以及航空等具體文類。

第四，雙語庫(kù)基礎(chǔ)上的應(yīng)用研究和相關(guān)技術(shù)開發(fā)不足。

大型的雙語庫(kù)還很少應(yīng)用于教學(xué)研究和譯員培訓(xùn)等方面，尤其表現(xiàn)在：1）這些雙語平行語料庫(kù)大都有在線檢索平臺(tái)，但以這些雙語庫(kù)為基礎(chǔ)建立的教學(xué)平臺(tái)則很少�，F(xiàn)有的平臺(tái)僅能提供詞語、搭配、句對(duì)等簡(jiǎn)單檢索，利用率不高。隨著今后語料標(biāo)注與加工技術(shù)的發(fā)展，更加完善的檢索平臺(tái)應(yīng)該能夠提供更多類型的多重檢索服務(wù)；2）口譯語料庫(kù)研究的最終目的，是在對(duì)口譯現(xiàn)象進(jìn)行描寫和解釋的基礎(chǔ)上，達(dá)到將研究成果應(yīng)用于翻譯教學(xué)和譯員培訓(xùn)，開發(fā)以雙語口譯語料庫(kù)為基礎(chǔ)的教學(xué)或培訓(xùn)平臺(tái)，目前此類研究在理論上已取得了一定成果，但相關(guān)的應(yīng)用研究尚未大規(guī)模展開；3）現(xiàn)有的翻譯教學(xué)軟件大多為翻譯記憶軟件，適用性和效果還存在不少問題。雙語庫(kù)可以作為翻譯教學(xué)軟件的豐富資源，但目前以雙語庫(kù)為基礎(chǔ)的翻譯教學(xué)軟件尚不多見。一個(gè)原因是版權(quán)的限制，另一個(gè)原因則是標(biāo)注技術(shù)的局限，使得有利于課堂教學(xué)的翻譯現(xiàn)象的計(jì)算機(jī)提取還不完善。

4 結(jié)語

語料庫(kù)翻譯學(xué)是語料庫(kù)語言學(xué)與描寫翻譯研究相結(jié)合基礎(chǔ)上發(fā)展起來的，前者為這一新研究范式提供理念和技術(shù)支持，后者則為其提供研究課題。因此，新型語料庫(kù)的開發(fā)與研制是今后語料庫(kù)翻譯學(xué)取得新突破的硬件基礎(chǔ)，雙語庫(kù)在翻譯研究中的潛力還有待于進(jìn)一步開發(fā)。上述對(duì)國(guó)外雙語語料庫(kù)的述評(píng)和討論，其實(shí)也提出了不少今后研究的課題，如何更好的構(gòu)建超大型、多用途的雙語平行語料庫(kù)，是國(guó)內(nèi)外學(xué)界的一項(xiàng)新課題。同時(shí)，進(jìn)一步注重方法論也是語料庫(kù)翻譯學(xué)研究的新趨勢(shì)。

參考文獻(xiàn)

Aijmer, K. 2001. Probably in Swedish translations—a case of translationese[A]? In S. Allén, S. Berg, S.-G. Malmgren, K. Norén & B. Ralph (eds.). G?ller stam, suffix och ord[C]. G?teborg: Meijerbergs institut f?r svensk etymologisk forskning, 1-13.

Altenberg, B., K. Aijmer & M. Svensson. 2001. The English-Swedish Parallel Corpus (ESPC): Manual of enlarged version[OL]. http://www.sol.lu.se/engelska/corpus/corpus/espc.html (acessed on 15/03/2012).

Axelsson, K. 2006. Tag questions in English translations from Swedish and Norwegian—are there differences[A]? In B. Englund-Dimitrova & H. Landqvist (eds.). Svenska som k?llspr?k och m?lspr?k[C]. G?teborg: ?vers?ttarutbildningen vid Humanistiska fakulteten, 4–21.

Bernardini, S. & F. Zanettin. 2004. When is a Universal not a Universal? Some limits of current corpus-based methodologies for the investigation of translation universals [A]. In A. Mauranen and P. Kujam?ki (eds.). Translation Universals — Do They Exist [C]? Amsterdam: John Benjamins, 51-62.

Blum-Kulka, S. 1986. Shifts of cohesion and coherence in translation[A]. In J. House & S. Blum-Kulka (eds.). Interlingual and Intercultural Communication. Discourse and Cognition in Translation and Second Language Acquisition Studies[C]. Tübingen: Gunter Narr Verlag, 17-35.

Frankenberg-Gacia, A. 2004. Are translations longer than source texts? A corpus-based study of explicitation[A]. Paper presented at the Third International CULT (Corpus Use and Learning to Translate) Conference, Barcelona, 22-24 January 2004[OL]. http://www.linguateca.pt/Repositorio/ Frankenberg-Garcia2004.doc (accessed 04/07/2006).

Fredriksson, A. 2006. On passives and translation strategies in parallel texts[A]. In B. Englund-Dimitrova & H. Landqvist (eds.). Svenska som k?llspr?k och m?lspr?k[C]. G?teborg: ?vers?ttarutbildningen vid Humanistiska fakulteten, 75–91.

Gustawsson, E. 2006. Translation of English verbal idioms into Swedish[A]. In B. Englund-Dimitrova & H. Landqvist (eds.). Svenska som k?llspr?k och m?lspr?k[C]. G?teborg: ?vers?ttarutbildningen vid Humanistiska fakulteten, 92–108.

Johansson, M. 2001. Clefts in contrast: a contrastive study of it clefts and wh clefts in English and Swedish texts and translations[J]. Linguistics 39: 547-582.

Johansson, M. 2002. Clefts in English and Swedish. A contrastive study of it-clefts and wh-clefts in original texts and translations[M]. unpublished PhD dissertation. Department of English, Lund University.

Johansson, S., J. Ebeling & S. Oksefjell. 1999/2002. English-Norwegian Parallel Corpus: Manual[Z]. Department of British and American Studies, University of Oslo,

Kenny, D. 1999. Translators at play: exploitations of collocational norms in German-English translation[A]. In B. Dodd (ed.). Working with German Corpora[C]. Birmingham: University of Birmingham Press, 143-160.

Kenny, D. 2001. Lexis and Creativity in Translation: A corpus-based study[M]. Manchester: St. Jerome.

Kenny, D. 2005. Parallel corpora and translation studies: old questions, new perspectives? Reporting that in Gepcolt: a case study[A]. In G. Barnbrook, P. Danielsson & M. Mahlberg (eds.). Meaningful Texts: The Extraction of Semantic Information from Monolingual and Multilingual corpora[C]. London: Continuum, 154-165.

Klavans, J. & E. Tzoukermann. 1995. Combining corpus and machine-readable dictionary data for building bilingual lexicons[J]. Machine Translation. 10(3): 185-218.

McEnery, T. & A. Wilson. 2001. Corpus linguistics: An introduction (2nd edition)[M]. Edinburgh: Edinburgh University Press.

Olohan, M. & M. Baker. 2000. Reporting that in Translated English: Evidence for Subconscious Processes of Explicitation[J]. Across Languages and Cultures 1(2): 141-158.

Olohan, M. 2004. Introducing Corpora in Translation Studies[M]. London: Routledge.

?ver?s, L. 1998. In search of the third code. An investigation of norms in literary translation[J]. Meta, 43(4): 571-588.

Roukos, S., D. Graff & D. Melamed. 1995. Hansard French/English[Z]. Philadelphia: Linguistic Data Consortium. (http://www.ldc.upenn.edu/Catalog/CatalogEntry. jsp?catalogId=LDC95T20 accessed on 24/03/2012)

Ruin, I. 2001. Nonfinite versus finite constructions—a problem in the translation of Swedish literary texts into English[A]? In W. Vagle & K. Wikberg (eds.). New directions in Nordic text linguistics and discourse analysis: Methodological issues[C]. Oslo: Novus Forlag, 243-253.

Schmied, J. & H. Schaffler. 1996. Explicitness as a universal feature of translation[A]. In M. Ljung (ed.). Corpus-based studies in English: Papers from the seventeenth International Conference on English Language Research on Computerized Corpora (ICAME 17)[C]. Amsterdam: Rodopi, 21-36.

Schmied, J. 1994. Translation and cognitive structures. Hermes[J]. Journal of Linguistics (13): 169-181.

Schmied, J. 1998. Differences and similarities of close cognates: English with and German mit[A]. In S. Johansson & S. Oksefjell (eds.). Corpora and cross-linguistic research: Theory, method and case studies[C]. Amsterdam: Rodopi, 255-176.

Schmied, J. 1999. Applying contrastive corpora in modern contrastive grammars: the Chemnitz Internet Grammar of English[A]. In H. Hasselgard & S. Oksefjell (eds.). Out of corpora. Studies in honour of Stig Johansson[C]. Amsteram: Rodopi, 21-30.

Zanettin, F. 2002. CEXI. Designing and English-Italian Translational Corpus[A]. In B. Ketteman & G. Marko (eds.). Teaching and Learning by Doing Corpus Analysis[C]. Amsterdam: Rodopi, 329-343.

黃立波、王克非，2011，語料庫(kù)翻譯學(xué)：課題與進(jìn)展[J]. 外語教學(xué)與研究》43(6)：911-923。

李婧、李德超，2010，基于語料庫(kù)的口譯研究：回顧與展望[J]，《中國(guó)外語》7(5)：100-105。

作者：王克非，北京外國(guó)語大學(xué)中國(guó)外語教育研究中心教授、博士，主要研究語言學(xué)和翻譯學(xué)，電郵：kfwang@bfsu.edu.cn；黃立波，西安外國(guó)語大學(xué)英語學(xué)院副教授、博士，主要研究語料庫(kù)翻譯學(xué)，電郵：libohuang2003@yahoo.com.cn。