“大規(guī)模英漢平行語料庫的建立與加工”中期檢查報告

一、 研究進展情況

1、 研究計劃總體執(zhí)行情況及各子課題進展情況

本項目分四個子課題，即1）超大型英漢平行語料庫的分類架構(gòu)與語言對比研究，2）超大型英漢平行語料庫的加工標注和語料檢索平臺研究，3）專門英漢平行語料庫的研制與應(yīng)用研究，4）大型英漢平行語料庫平衡語料的收集整理與歷時語言/翻譯研究，分別由英國Lancaster大學(xué)肖忠華博士（兼浙江大學(xué)教授）、北京外國語大學(xué)梁茂成教授、上海交通大學(xué)胡開寶教授和曲阜師范大學(xué)秦洪武教授具體負責(zé)。

第一子課題組在首席專家指導(dǎo)下完成了全庫1億多字詞的英漢雙語平行語料庫的總體設(shè)計和分類架構(gòu)，進行了一系列語言與翻譯的比較研究，在國內(nèi)相關(guān)學(xué)界處于領(lǐng)先地位，并與國際上開展了較為廣泛的學(xué)術(shù)合作，包括參與國際學(xué)術(shù)會議的籌辦，在國際學(xué)刊上組織專欄論文發(fā)表。

第二子課題組對大型平行語料庫的元信息標注、雙語快速準確的對齊等技術(shù)加工進行了深入研究，研制了三個先進實用的加工標注軟件，即雙語文本元信息標注工具（parallel corpus metadata appender）、英漢雙語自動句級對齊系統(tǒng)（English-Chinese Sentence Aligner）、雙語對齊文本與翻譯記憶庫（translation memory）文檔相互轉(zhuǎn)換技術(shù)，并已用于語料的收集、整理和標注等，取得了良好的效果。

第三子課題組分別進行時政新聞平行語料庫、財經(jīng)平行語料庫、交通平行語料庫和口譯語料庫的建立，目前除交通語料庫完成建庫的1/2外，其它三個庫已完成建庫的2/3左右，并做了初步的校對和文本對齊工作。這幾個子庫大多是國內(nèi)尚未大規(guī)模創(chuàng)建的，工程巨大，如口譯語料庫建設(shè)，是目前國內(nèi)最大、設(shè)計最好的。在課題組負責(zé)人和成員的努力下，研制進度進度在預(yù)期之內(nèi)。

第四個子課題組負責(zé)平衡和歷時的英漢平行語料庫的建立，由于收集和整理語料占全庫的一半以上，并兼顧語料的平衡和歷時性，工程量極大，收集整理難度很大，特別是80-100年前的語料收集困難，加工標注也很艱難，是國內(nèi)首次做這樣的嘗試。目前工程進展正常，已完成4/5的語料庫建庫工作，做了基本的整理和語料對齊。

2、 調(diào)查研究及學(xué)術(shù)交流情況

項目組收集了全部必要和相關(guān)的雙語語料庫建設(shè)、加工和研究的文獻，并做了一系列的述評，組織和參加了多次國內(nèi)外學(xué)術(shù)會議，進行了上百次專場學(xué)術(shù)報告會，包括首席專家王克非教授在臺灣師范大學(xué)、臺灣輔仁大學(xué)、香港理工大學(xué)、香港教育學(xué)院等境外大學(xué)的語料庫研制學(xué)術(shù)講演，以及肖忠華、梁茂成、胡開寶、秦洪武等的數(shù)十次國內(nèi)外相關(guān)學(xué)術(shù)講座。

項目首席專家王克非教授等參加了國際上著名語料庫語言學(xué)專家Michael Hoey, Tony McEnery, Adam Kilgarriff and Richard Xiao 等教授發(fā)起研制的中文語料庫語言學(xué)項目（a Chinese corpus linguistics project），為其顧問成員（Advisory Board），并于2011年夏赴英國進行學(xué)術(shù)訪問交流。

2011年8月，在中國北京舉行了18屆世界應(yīng)用語言學(xué)大會，這是該會首次在中國舉辦，項目首席專家和四個子課題組的負責(zé)人以及部分課題組成員參加了這次大會，并主持了兩個同語料庫相關(guān)的分會場，發(fā)表了一系列論文，受到國內(nèi)外同行的高度關(guān)注。

項目組同國內(nèi)的上海交通大學(xué)、浙江大學(xué)、北京語言大學(xué)、曲阜師范大學(xué)、燕山大學(xué)、紹興文理學(xué)院等機構(gòu)的相關(guān)語料庫研究有密切的合作交流。

項目組繼2009年由首席專家王克非教授發(fā)起主辦了首屆全國語料庫翻譯學(xué)研討會之后，又于2012年3月在曲阜師大主持召開了第二屆全國語料庫翻譯學(xué)研討會，廣泛地聯(lián)系了全國雙語語料庫研制與應(yīng)用研究的師生們，使這一研究領(lǐng)域發(fā)展壯大。第一屆研討會在上海交大召開時為40人左右的代表參加，第二屆已有近百名代表參會，包括英國的倫敦大學(xué)、艾奇希爾大學(xué)以及臺灣大學(xué)、臺灣清華大學(xué)、香港理工大學(xué)、香港城市大學(xué)境內(nèi)外大學(xué)也來了不少代表，進行了充分的有益的學(xué)術(shù)交流。

除了上述學(xué)術(shù)會議之外，還主辦和參加了其他一些重要的學(xué)術(shù)會議，如2012年6月28日至30日在西安交通利物浦大學(xué)召開的“語料庫技術(shù)及應(yīng)用語言學(xué)國際會議”；

2013年6月1日至2日在北京外國語大學(xué)召開的“2013全國語料庫與話語研究專題研討會”；

2013年7月22日至26日在英國蘭卡斯特大學(xué)召開的Corpus Linguistics Conference 2013（2013語料庫語言學(xué)大會）。

項目組成員在各個大會上都分別作了大小會發(fā)言，介紹了項目組取得的研究成果，促進了本項目的國際國內(nèi)學(xué)術(shù)交流。

此外，項目開展過程中，還培養(yǎng)了多名博士、碩士生，以語料庫及相關(guān)研究為課題，博士生趙秋榮申請并獲得2011年教育部人文社科青年項目和2012年國家社科基金青年項目，博士畢業(yè)生張威獲得2012年國家社科基金項目，博士后胡顯耀獲得2011年國家社科基金項目，博士后林正軍獲得2013年國家社科基金重點項目，體現(xiàn)了本項目既進行前沿研究，又教書育人的多重效益。

3、 成果宣傳推介情況

項目組如期在2011年3月19日舉行了開題報告會，北外陳雨露校長、金莉副校長等出席并講話，顧曰國、王厚峰、衛(wèi)乃興、易綿竹、江銘虎等9位專家出席研討，著名學(xué)者馮志偉教授先后四次光臨本項目組進行指導(dǎo)，全體課題組成員都參加了開題報告會，并簽約課題。為了細化課題的研究目標和研究任務(wù)，進一步了解課題實施過程中的技術(shù)路線，明確各子課題組的分工，分析研究過程中可能出現(xiàn)的各種困難及解決方案，項目組按課題進行了分組討論，并邀請專家們?yōu)楦髯诱n題的順利開展提供建議和意見。討論在以下幾個方面形成了共識：

1）課題的實施方案。經(jīng)過討論，專家及課題組所有成員一致認可課題總負責(zé)人提出的“建庫為主，建研結(jié)合”的實施方案，認為在該課題研究的實施過程中，首要目標是建立一個世界上最大、具有權(quán)威性和示范作用的英漢平行語料庫。在建立這一語料庫的前提下，應(yīng)結(jié)合語料庫中的各類數(shù)據(jù)，進行多維的語言和翻譯研究。

2）各子課題組的分工。經(jīng)過討論，大家一致任務(wù)課題總負責(zé)人提出的課題總體思路和設(shè)計方案可行，即將課題分為“超大型英漢平行語料庫的分類架構(gòu)與語言對比研究”、“超大型英漢平行語料庫的加工標注和語料檢索平臺研究”、“專門英漢平行語料庫的研制與應(yīng)用研究”和“大型英漢平行語料庫平衡語料的收集整理與歷時語言/翻譯研究”四個子課題。其中，子課題一負責(zé)確定語料庫的分類構(gòu)架和采樣方法，以確保語料庫的代表性。此外，子課題一還將進行一些語言研究。子課題二負責(zé)課題實施過程中的工具設(shè)計和平臺建設(shè)。工具主要包括建庫工具和檢索工具，而平臺則包括語料庫單機檢索平臺和網(wǎng)絡(luò)檢索平臺。子課題三將建立四個專門語料庫，即英漢海事語料庫、英漢財經(jīng)語料庫、英漢時政語料庫和英漢口譯語料庫。子課題四將主要負責(zé)平衡語料庫的收集和整理，并進行一些歷時語言研究和翻譯研究。

3）課題組擬接受專家們提出的意見，對原課題設(shè)計做局部調(diào)整，主要包括：

A）有關(guān)語料庫的標注。專家們認為，為了增強語料庫的開放性，鑒于目前句法標注技術(shù)和語義標注技術(shù)尚不成熟，研究中只對語料庫進行詞性標注，不宜進行句法標注和語義標注，但語料庫應(yīng)采用通用的翻譯記憶庫格式保存，以方便交流。

口譯語料庫的規(guī)模�？谧g語料庫建設(shè)意義重大，但鑒于口譯語料收集困難，轉(zhuǎn)寫和標注耗時費力，需要投入的資金也很大，專家建議將原設(shè)計方案中的3百萬詞的口譯語料庫改為1百萬詞。

項目組還制定了工作進度、流程以及會議研討、論文發(fā)表等方面的規(guī)定，確保項目的認真執(zhí)行和圓滿完成。

這些在學(xué)校網(wǎng)站和其他相關(guān)網(wǎng)站上都有報道。

項目組專家王克非、肖忠華、梁茂成、胡開寶、秦洪武等近三年在國內(nèi)外做過上百次與本項目相關(guān)的學(xué)術(shù)講座，王克非、梁茂成等還舉辦了十多次研修班，并在北京外國語大學(xué)開設(shè)了研究生課程，所有這些講授的聽講人數(shù)近萬，對雙語平行語料庫的研制、相關(guān)研究成果的推介，做了最大規(guī)模的宣講。

項目組按規(guī)定向全國哲學(xué)社會科學(xué)規(guī)劃辦提交過開題報告、《工作簡報》、中期檢查報告和兩份階段性研究成果：1.雙語語料庫建設(shè)中的元信息添加和段級句級對齊的自動處理，2.歷時語料庫研制的新路徑。

二、研究成果情況

1 代表性成果簡介

本項目除了全力建設(shè)1億詞的超大型英漢雙語平行語料庫外，還進行了一系列關(guān)于大規(guī)模雙語平行語料庫的研制和技術(shù)問題研究，及基于大規(guī)模雙語平行語料庫的語言研究和翻譯研究，

這些研究包括三類：

1）系列專著。在上海交通大學(xué)出版了國內(nèi)第一套語料庫翻譯學(xué)研究叢書，影響很大，已出版的有：《語料庫翻譯學(xué)探索》，王克非，上海交通大學(xué)出版社，2011；《語料庫翻譯學(xué)概論》，胡開寶，上海交通大學(xué)出版社，2011；《英漢翻譯中的漢語譯文語料庫研究》，肖忠華，上海交通大學(xué)出版社，2012。

王克非專著是國內(nèi)第一部系統(tǒng)論述基于語料庫的翻譯研究各個方面的著作，包括語料庫翻譯學(xué)的基本定義、概念、內(nèi)容和研究途徑，深刻論述了語料庫在翻譯研究、翻譯教學(xué)和其他相關(guān)問題上的意義與作用等，進一步揭示了翻譯的本質(zhì)和特點。

胡開寶專著全面闡述了語料庫在翻譯學(xué)各分支的研究價值，包括翻譯語言特征的研究，翻譯風(fēng)格的研究，翻譯規(guī)范的研究和口筆譯教學(xué)等方面的研究，深化了這些問題的認識。

肖忠華專著是第一部專題論述漢譯語言問題的著作，書中描述了國際上翻譯語言研究的總況，并在建設(shè)特定語料庫和專門研究工具的基礎(chǔ)上，深入探討了漢譯語言的詞匯特征和語法特征，并進而探究了該研究對翻譯共性研究的意義。

這幾本專著可以說都是國內(nèi)同類研究領(lǐng)域中最具分量的研究成果。

2）國際知名學(xué)術(shù)期刊專欄論文。本課題的重要成果之一是為國際知名學(xué)術(shù)期刊《語料庫語言學(xué)與語言學(xué)理論》（Corpus Linguistics and Linguistic Theory）組織撰寫了一個專號，由德國知名出版社de Gruyter出版。這組論文由子課題組負責(zé)人肖忠華教授與中國語料庫語言學(xué)研究會會長衛(wèi)乃興教授合作主編。該期刊由SSCI和AHCI同時全文索引，在Thomson Reuters期刊引用報告（社科版）的160種語言學(xué)期刊中排名第43，2012年影響因子高達0.905。目前該專刊號的論文已全部于2013年6-7月以網(wǎng)絡(luò)優(yōu)先版的形式正式在線發(fā)表（http://www.degruyter.com/printahead/j/cllt），稍后編入印刷版的特定期號�！队�漢翻譯與語言對比研究》專號發(fā)表六篇論文，共170頁，其中包括本重大項目組成員的四篇論文。這四篇論文的要點如下：

王克非、秦洪武的論文“What is peculiar to translational Mandarin Chinese? A corpus-based study of Chinese constructions' load capacity”（DOI: 10.1515/cllt-2013-0020）：平均句子長度歷來都是翻譯共性研究一項重要參數(shù)，用來研究翻譯體語言的簡化假設(shè)。然而，不同研究對該項指標得出了截然不同的結(jié)果，甚至對相似結(jié)果也有不同理解和闡述，因而使平均句子長度和翻譯簡化假設(shè)頗受爭議。而且現(xiàn)有的相關(guān)研究大都是針對翻譯體英語及其相近的歐洲親屬語言。這篇論文根據(jù)漢語自身的特點，提出了具有獨創(chuàng)性的“句段長度”（sentence segment length）和“結(jié)構(gòu)容量”(construction load capacity)這兩個重要概念，來衡量翻譯文本的可讀性及翻譯質(zhì)量，并在分析英漢雙向平行語料庫的基礎(chǔ)上對文學(xué)及非文學(xué)兩大類文本進行實證研究。結(jié)果表明，句段長度和結(jié)構(gòu)容量比基于印歐語言提出的平均句子長度更能真實反映譯文的質(zhì)量與可讀性。該研究還通過分析由古代漢語向現(xiàn)代漢語過渡時期的平行語料，揭示了英漢翻譯在歷史上對現(xiàn)代漢語中結(jié)構(gòu)容量所產(chǎn)生的重大影響。研究表明，針對英語及其相近語言提出的研究方法和參數(shù)在漢語等大跨度語對研究中未必有效，語言對比和翻譯研究中應(yīng)采用適合所涉及語言自身特點、而又具有可比性的研究方法。

肖忠華（與衛(wèi)乃興合著）的論文“Translation and contrastive linguistic studies at the interface of English and Chinese: Significance and implications”（DOI: 10.1515/cllt-2013-0015）：本文首先論述了語料庫語言學(xué)、對比語言學(xué)、及翻譯研究之間相輔相成的學(xué)科關(guān)系，對國際上相關(guān)學(xué)科的前沿研究現(xiàn)狀作了詳細的綜述，并對本專號中的論文逐一評點，討論論文集中各項研究對有關(guān)語言學(xué)理論構(gòu)建的意義與啟示。

肖忠華（與戴光榮合著）的論文“Lexical and grammatical properties of Translational Chinese: Translation universal hypotheses reevaluated from the Chinese perspective”（DOI: 10.1515/cllt-2013-0016）：本文首先介紹了語料庫翻譯學(xué)文獻中一些基于翻譯體英語所提出了翻譯共性的關(guān)鍵概念，并對漢語母語、翻譯體漢語、及英語母語可比語料庫進行對比分析，從不同角度、在不同層面對翻譯體漢語的詞匯語法特征進行了全面的闡述，并在此基礎(chǔ)上從英漢翻譯中翻譯體漢語的角度對描寫翻譯研究中現(xiàn)有的翻譯共性假設(shè)進行了重新評估，發(fā)現(xiàn)其中有些翻譯共性假設(shè)（如顯化）能充分得到翻譯體漢語的支持，有些翻譯共性假設(shè)（如簡化）需作修訂，而另一些（如范化）則完全沒有得到漢語的支持。英漢兩種語言之間語言類型學(xué)差異也表明，目前對相近歐洲語言的研究，由于研究語言具有相似性而忽略了另一項潛在的翻譯共性，即目標語獨特項目呈現(xiàn)不足。這項研究表明，基于相近語言所提出的語言學(xué)理論和假設(shè)可能并不適用于其他大跨度的非親屬語言，而研究英漢語等大跨度語言在語言共性研究中意義重大，能夠提供更有說服力的實證依據(jù)。

許家金（與李瀟晨合著）“Structural and semantic non-correspondences between Chinese splittable compounds and their English translations: A Chinese-English parallel corpus-based study”（DOI: 10.1515/cllt-2013-0019）：本文采用形式與意義想結(jié)合的方法研究漢語中的離合詞及其英譯，為目前唯一一項對離合詞及其英譯之間結(jié)構(gòu)和意義對應(yīng)與非對應(yīng)進行系統(tǒng)闡述的語料庫研究。該研究在分析大型英漢平行語料庫的基礎(chǔ)上，從詞匯語法和論元結(jié)構(gòu)角度對英漢翻譯中的離合詞進行了語言對比和翻譯研究。該研究側(cè)重于翻譯研究，但對英漢翻譯中離合詞及其英譯詳細而系統(tǒng)的分析，也揭示了英漢兩種語言在構(gòu)詞及句法方面的跨語言差異。文中所首倡的語料分析方法在一定程度上也會對其他語言（如德語、荷蘭語）中類似結(jié)構(gòu)的研究起到引導(dǎo)作用。

3）國內(nèi)外學(xué)術(shù)期刊論文。迄今，本重大項目組在國內(nèi)外學(xué)術(shù)期刊上發(fā)表著作和論文34部/篇，從各個方面和角度充分論述了雙語平行語料庫的研制及其應(yīng)用研究，在國內(nèi)外產(chǎn)生了廣泛的影響，詳情見成果清單。

階段性研究成果清單

序號	成果名稱	作者	成果形式	刊物名或出版社、刊發(fā)或出版時間	字數(shù)	轉(zhuǎn)載、引用、獲獎等情況
1	《語料庫翻譯學(xué)探索》	王克非	專著	上海交通大學(xué)出版社，2011	31萬
2	《語料庫翻譯學(xué)概論》	胡開寶	專著	上海交通大學(xué)出版社，2011	29萬
3	《英漢翻譯中的漢語譯文語料庫研究》	肖忠華	專著	上海交通大學(xué)出版社，2012	21.3萬
4	What is peculiar to Translational Mandarin Chinese? --A Corpus-based Study of Chinese Constructions’ load capacity,	WANG Kefei & QIN Hongwu(王克非、秦洪武)	國際學(xué)術(shù)期刊論文	第18屆世界應(yīng)用語言學(xué)大會（2011-8）主旨發(fā)言,國際A&HCI學(xué)術(shù)期刊Corpus Linguistics and Linguistic Theory， 2013	英文7000詞
5	Translation and contrastive linguistic studies at the interface of English and Chinese: Significance and implications	肖忠華、衛(wèi)乃興	國際學(xué)術(shù)期刊論文	國際A&HCI學(xué)術(shù)期刊Corpus Linguistics and Linguistic Theory， 2013	英文7500詞
6	Lexical and grammatical properties of Translational Chinese: Translation universal hypotheses reevaluated from the Chinese perspective	肖忠華、戴光榮	國際學(xué)術(shù)期刊論文	國際A&HCI學(xué)術(shù)期刊Corpus Linguistics and Linguistic Theory， 2013	英文6800詞
7	Structural and semantic non-correspondences between Chinese splittable compounds and their English translations: A Chinese-English parallel corpus-based study	許家金、李瀟晨	國際學(xué)術(shù)期刊論文	國際A&HCI學(xué)術(shù)期刊Corpus Linguistics and Linguistic Theory， 2013	英文6500詞
8	A Critical Review of Corpus-based Translation Studies in China	HU Kaibao （胡開寶）	國際學(xué)術(shù)會議論文	4th Conference of the International Association for Translation and Intercultural Studies, 24 -28 July, 2012，Belfast, UK	英文6200詞
9	The Chinese-English Conference Interpreting Corpus: Uses and Limitations	Hu Kaibao(胡開寶)	國際學(xué)術(shù)期刊論文	Meta（接受，待發(fā)）	英文7000詞
10	Looking for translator's fingerprints: a corpus-based study on Chinese translations of Ulysses	Wang Qing (王青)	國際學(xué)術(shù)期刊論文	Literary and Linguistic Computing，2013，4	英文7000詞
11	Normalization in Translating Personal Collocations: A Corpus-based Study of Chinese Translation of Ulysses Empirical Translation Studies: Interdisciplinary Approaches Explored.	Wang Qing (王青)	國際學(xué)術(shù)專集論文	Equinox Publishing Ltd. 已錄用，待發(fā)	英文7200詞
12	跨語言語法隱喻探討	林正軍，王克非	論文	外語學(xué)刊，2012年1期	11000
13	中國英漢平行語料庫的設(shè)計與研制	王克非	論文	中國外語，2012年6期	10500
14	雙語語料庫建設(shè)中的元信息添加和段級句級對齊的自動處理	梁茂成	論文	中國外語，2012年5期	12000
15	英漢翻譯語料庫和現(xiàn)代漢語歷時參照庫的研制	王克非、秦洪武	論文	外語教學(xué)與研究，2012年6期	11000
16	近十年來口譯語料庫研究現(xiàn)狀及發(fā)展趨勢	張  威	論文	浙江大學(xué)學(xué)報（人文社科版），2012年2期	13000
17	國外雙語語料庫的研制與應(yīng)用評析	黃立波、王克非	論文	外語電化教學(xué)，2012年6期	9300
18	語料庫翻譯學(xué)：內(nèi)涵與意義	胡開寶	論文	外國語, 2011年5期	10000
19	基于類比語料庫的翻譯文本的搭配特征研究	武光軍、王克非	論文	中國外語, 2011年5期	11500
20	雙語對應(yīng)語料庫的翻譯輔助功能探討	王克非、秦洪武	論文	中國英語教育, 2011年4期	13500
21	工作記憶與口譯技能對同聲傳譯質(zhì)量的復(fù)合影響	張  威	論文	外語教學(xué)與研究，2012年5期	12000
22	認知記憶訓(xùn)練與口譯學(xué)習(xí)效果的相關(guān)性研究	張  威	論文	中國翻譯，2012年4期	11000
23	語料庫語言學(xué)研究的兩種范式：淵源、分歧及前景	梁茂成	論文	外語教學(xué)與研究，2012年3期	11000
24	基于詞語信息度的翻譯對應(yīng)句檢索	秦  穎	論文	外語教學(xué)與研究，2012年2期	9800
25	漢英對應(yīng)語料庫的檢索及應(yīng)用	王克非、熊文新	論文	外語電化教學(xué)，2011年6期	10000
26	語料庫翻譯學(xué)：課題與進展	王克非、黃立波	論文	外語教學(xué)與研究，2011年6期	11000
27	基于語料庫的記者招待會漢英口譯句法操作規(guī)范研究	胡開寶、陶慶	論文	外語教學(xué)與研究，2012年5期	12000
28	雙語語料庫建設(shè)中元信息的添加和段落與句子的兩級對齊	梁茂成、許家金	論文	中國外語，2012年6期	10500
29	線性時間對齊轉(zhuǎn)寫：口譯語料庫建設(shè)與研究中的應(yīng)用分析	張威	論文	外國語，2013年3期	11000
30	《尤利西斯》漢譯本簡化特征研究	王青	論文	山東外語教學(xué)，2013年2期	9200
31	基于平行語料庫的“大家”的對應(yīng)研究	易焱、王克非，	論文	外語與外語教學(xué)，2013年3期	11000
32	基于語料庫的譯者風(fēng)格研究——詞匯型式化在《尤利西斯》漢譯本中的體現(xiàn)	王青	論文	外語與外語教學(xué)，2013.6待發(fā)	9600
33	“被”字句的語義趨向與語義韻，基于翻譯與原創(chuàng)新聞?wù)Z料庫的對比研究	朱一凡、胡開寶	論文	外國語，2013.6待發(fā)	11000
34	十年來基于語料庫的漢語翻譯語言研究	秦洪武	論文	燕山大學(xué)學(xué)報，2013.6待發(fā)	10000

（課題組供稿）