新型双语旅游语料库的研制和应用

  本文关键词：新型双语旅游语料库的研制和应用，由笔耕文化传播整理发布。

2010 年 2 月 第 33 卷 第 1 期

现代外语 （ 季刊 ）

Modern Foreign Languages （Quarterly ）

February 2010 Vol．33 No．1

新型双语旅游语料库的研制和应用*
香港理工大学

李德超 北京外

国语大学 王克非

提 要 ：在 评 介 国 内 外 现 有 单 语 或 双 语 旅 游 专 门 语 料 库 的 基 础 上 ，本 文 着 重 论 述 香 港 理 工 大 学 正 在 研 制 的 一 种 新 型 中 英 双 语 旅 游 语 料 库 的 设 计 理 念 和 操 作 程 序 ，包 括 语 料 文 本 的 数 字 化 、语 料 的标注 、 语料的对齐和语料的篇头 标 注 等 。 本 文 最 后 探 讨 了 旅 游 语 料 库 在 推 动 旅 游 翻 译 研 究 与 教 学的前景 。 关键词 ： 双语旅游语料库 、 设计理念 、 旅游翻译教学与研究 ［ 中图分类号 ］ H313 ［ 文献标识码 ］ A ［ 文章编号 ］ 1003-6105 （2010 ）01-0046-09

1． 引言
过去 20 年来 ， 基于语料库的翻译研究从 无到有 ， 发展迅速 。 目前 ， 翻译研究中常用的 语 料 库 主 要 有 译 文 语 料 库 （translational corpus ）、 类比 语 料 库 （comparable corpora ） 和 对应语料库 （parallel corpus ） 三种 。 译文语料 库收录译文 ， 其研究旨在揭示翻译语言本身 独有特征 （ 如 Mona Baker 建立的 “ 翻译英语 语料库 ”， 即 TEC ）。 类比语料库主要是同一 种语言的原生文本和翻译文本 （ 译自某种外 语 ） 构建的语料库 ， 它们之间无翻译对应关 系 ， 但在时代 、 体裁 、 主题等方面具有可比性 ， 可用来研究翻译语言的特点 。 这类研究可参 看 Laviosa （2002 ）。 相较以上两种语料库 ， 翻译研究中更为 常用的是对应语料库 ， 它收录原文与译文双 语对照的文本 ， 通常会按事先设定的标准 （ 如 以句或段为单位的方式 ）， 对语料进行某一语 言单位上的对齐 （ 如句或段 ）， 以方便检索 。 对 应语料库常用于考察原文中的某些语言现象 如何在译文中得到反映 ， 最终目的在于揭示 翻译活动中隐性的规律 。 目前对应语料库在 不同的国家和地区都有广泛应用 ， 比较知名 的有挪威的 “ 英语 - 挪威语对应语料库 ”、 英国 的 “ 德语 - 英语文学文本对应 语 料 库 ” 以 及 我
*

国由北京外国语大学中国外语教育研究中心 研制的 “ 通用汉英对应语料库 ”， 等等 。 纵观目前为翻译研究而建的上述三种语 料库 ， 多数以文学文本为主 ， 或是以收纳百科 文本 （ 包括各种文学与非文学作品 ） 为特色 ， 而结合地域特点的或针对某一文类而专门研 制的双语专门语料库则较为少见 。 专门语料 库指的是 “ 关于特定主题文本的集合 ”， 且这 些文本 “均由行内专家为不同的读者群所 写 ”， 这些读者群可能是同行的专家 ， 或是缺 乏相关专业知识的大众， 亦可能是学生等 （Kübler 2003 ： 29 ）。 双语的专门语料库则收 集包括原文与译文的专题文本 。 迄今为止 ， 专门为翻译研究而研制的应 用型双语专门语料库并不多 ， 且通常规模较 小 ， 从几万到几十万词 。 小型的双语专门语料 库因其规模小 、 建造方便和针对性强等特点 ， 常在术语翻译研究或特定领域 （ 如法律翻译 、 财经翻译等等 ） 的译员培训中作为辅助工具 ， 如 Kübler （2003 ） 为 培 训 软 件 指 南 译 员 而 建 立的小型英法计算机语料库 。 双语专门语料库无论对翻译研究还是译 员 培 训 都 有 其 潜 在 的 价 值 。 Johansson 早 在 1991 年就提出 ， 双语专门语料库可以帮助我 们解决不少特定的问题 ， 因而在各种语料库 中 ， 尤其值得提倡 。 从语言运用角度而言 ， 双

本研究得到香港理工大学项目资助 ， 编号为 1-ZV74 及 4-ZZ75 。 在此亦感谢匿名审稿人的宝贵意见 。

李德超

王克非

47

语专门语料库 （ 尤其是非文学专门语料库 ） 能 帮助译者理解和掌握同一领域中不同语言的 常用术语 、 惯用表达式 、 文章语气及典型的语 篇结构 ， 避免在专业翻译中经常出现的语言 “ 不自然 ” 或 “ 形似而神不似 ” 的现象 。 但时至 今日 ， 无论国内国外 ， 较具规模的双语专门语 料库还不多见 ， 如旅游方面就仅有一些小规 模的语料库 。

个 词 ， 收 录 了 2 ， 786 个 不 同 类 符 （ types ） 和 42 ， 025 形 符 （ tokens ）。 库 中 所 有 的 词 语 都 用 CLAW7 标 注 软 件 消 除 屈 折 形 式 ， 还 按 词性作了标注。 语料库旨在归纳出适合于 日 本 旅 游 市 场 （尤 其 是 京 都 地 区 ）的 几 百 个 最常用的旅游英语词汇， 以供在日本大学 学习旅游英语课程的不同程度的学习者使 用。 我国国内研制旅游专门语料库就更为鲜 见 。 冯志伟 （2001 ） 提及 ， 中国科学院自动化所 建立了一个旅游咨询口语对话语料库和一个 旅馆预定口语对话语料库 ， 但关于这个口语 语料库的情况却一直不为人知 。 除此之外 ， 国 内尚不见有其它专门研发的旅游语料库 （ 无 论是单语还是双语 ）。 综上所述 ， 国内外旅游专门语料库的研 制还很不够 ， 现有的几个也存在以下缺点 ： 一 是规模小 ， 除了 Wilkinson 的语料库有 67 万 词外 ， 其它两个语料库的规模均不超过 5 万 词 ， 并且形式单一 ， 均为单语 （ 英语 ） 语料库 。 二是语料库的设计比较简单 ， 选择语料的方 法含糊不清 ， 也没有说明其选择语料的标准 ， 容易让人质疑其语料的代表性 。 三是相较其 它综合语料库 ， 这些语料库对语料的处理都 很粗糙 ， 除日本大学的语料库外 ， 其它的均未 对语料做后期整理 （ 包括对齐 、 标注 、 加篇头 等 ）。 四是这些专门语料库的用途都较单一 ， 都是为旅游英语 （ 尤其是词汇 ） 的教学而研 制 。 至于旅游文本在结构 、 修辞上的特点等深 层次的问题完全没有探究 ， 也没有考虑到旅 游翻译教学与研究上的问题 。 本文介绍的新 型双语旅游语料库希望能克服以上弱点 ， 既 可直接用于指导现实中的旅游翻译 （ 实践意 义 ）， 亦可促进旅游翻译教学和研究 （ 理论意 义 ）。

2． 现有旅游专门语料库
迄今， 国内外专门收录旅游文本的单 语或双语语料库均不多见。 纵览相关文献， 我们发现国外的旅游专门语料库主要有以 下三个， 分别为芬兰、 英国和日本学者研 制。

1） 芬 兰 萨 翁 林 纳 翻 译 研 究 学 院 （Savonlinna School of Translation Studies ） 英 语教师 Michael Wilkinson 研制的合共 67 万
词英语旅游文本语料库 。 该语料库主要供芬 兰学生将芬兰旅游文本译至英语时参考 ， 检 验他们的译文用词是否地道 。 同时 ， 学生可 以利用该语料库来 “确认 、证 实 或 摒 弃 主 观 的决策 ， 或是获得搭配方面的用法 ”（2005 ：

1 ）。 2） 英 国 埃 塞 克 斯 大 学 （University of Essex ） 研究生 Carlota Alcantar 于 2007 年研
制的英语旅游文本语料库 。 该语料库总词数 为 37 ， 795 ， 收集的旅游文本分别来自 ：a） 政 府旅游部门的介绍 ；b ） 酒店 、 餐馆和旅行社的 宣传资料 ；c） 语言培训学校相关的资料 。 研制 语料库旨在总结出英语旅游文本写作中最常 用的 421 个词汇和短语 ， 以帮助墨西哥纳亚 里特州立大学旅游学院的教师有效地教授旅 游常用词汇 。

3） 日 本 大 学 （Nihon University） Kiyomi 等人于 2006 年研 制 的 “ 京 都 旅 游 语 料 库 ” （ Kyoto Tourism Corpus ）。 此 单 语 语 料 库 收
集的均为日本京都市用英文写就的关于京 都 旅 游 介 绍 的 文 本 ， 共 885 篇 ， 平 均 每 篇 47

3． 新型双语旅游语料库的设计思路和
特点 本文以下着重描述香港理工大学中文及

48

新型双语旅游语料库的研制和应用

双语学系最近研制的新型双语旅游语料库 。 这是香港以至全国第一个较大容量的英汉 ／ 汉英旅游语料库 。 我们主要介绍这个语料库 的研制思路和方法 、 语料库的构成和特点 ， 并 讨论专门语料库的发展前景 。 如 Kennedy 所言 ， 无论何种语料库 ， 其 整体的设计和语料的汇集对于 “ 基于该语料 库的研究的信度和效度都具有十分重大的作 用 ”（1998 ： 60 ）。 它还直接影响到语料库所设 计的研究目的和教学作用能不能有效实现 。 就本旅游语料库而言 ， 设计目的有三 ： 一是研究用途 。 包括旅游语言本身特点 的研究及旅游翻译特点的研究 。 前者研究旅 游语言在语篇 、 修辞 、 词汇等语言层面上与普 通语言不同的特点 ； 后者则研究在翻译过程 中旅游翻译与普通翻译的不同特点 。 研究问 题包括 ： 旅游翻译在语言特点上是否存在与 普通翻译一样的共性 ？ 抑或有自己另外的特 点 ？ 这些特点是与特定时期的翻译规范有关 还是超越时间 、 时空限制 ？ 二是翻译教学用途 。 具体来说 ， 本语料库 将为教授中英双语旅游翻译的教师提供真实 的教学材料 ， 并为设计数据驱动教学 （data-

必须严谨 ， 确保语料库的效度和信度 。 语料库 设计时要考虑的因素很多 ， 大体可分为整体 设计和具体操作两个层面 。 下面分述这两个 层面 。

3．1 整体层面的考虑
从性质来看， 本语料库属于专用 （specialized ）、 同 质 的 （homogeneous ） 语 料 库 （ 参见黄昌宁 2002 ）， 只收集与旅游景点介绍 相 关 的 中 、 英 文 原 生 性 文 本 （spontaneously

sourced texts ） （Mason 2001 ： 68） 及 相 关 的 中-英互译文本 （ 在时机成熟后亦会扩展至收
集与旅游相关的行业 ，如 酒 店 、交 通 等 介 绍 的文本 ）， 这就局限了本语料库的文本采样 不能象异质语料库般采用随遇性的文本采 样原则， 而只能是采取目的性取样标准 （purposeful sampling ）。 为了确保采集到的文 本在内容上与语料库研制目的相关 ， 在语言 上符合标准 ， 本语料建设中除了会实行多个 专 家 把 关 制 之 外 ， 还 会 推 出 同 侪 报 告 （peer

debriefing ） 及 研 究 成 员 的 检 视 （member check ） 等 方 法 来 核 实 文 本 的 适 合 性 和 代 表
性 。 同时 ， 对于某些介绍比较多的旅游景点文 本材料 ， 在选取这些材料入库时我们亦会附 加 以 三 角 验 证 法 （triangulation ）， 多 渠 道 、 多 方式地反复核对入库文本 （ 参见 Li 2004 ）。 以 上这些确保文本数据有效性 （validity ） 的做法 均为传统双语旅游语料库研制中所鲜见 。 下面我们就本语料库在构成 、 大小 、 语料 的代表性及语料的选择等具体做法作进一步 介绍 。

driven learning ， 简称 DDL） 提供真实和多样 化的资源 。 DDL 这里指的是 “ 在课堂上利用 电 子 计 算 机 生 成 的 索 引 （concordances ） 来 帮 助 学 生 发 掘 目 标 语 模 式 （pattern ） 中 的 规 律 ，
并根据索引结果来研发种种学习活动及设计 学习练习 ”（Johns ＆ King 1991 ： iii ）。 就本旅 游语料库而言 ， 就是根据语料库比较和检索 的结果 ， 开发出各种 DDL 的教学手段来辅助 旅游翻译的教学 。 而学生亦能从语料库中揣 摩职业旅游翻译译员所用的翻译策略 ， 从比 较 、 思考中学习他们老到的方法与技巧 。 开发

1） 语料库的 构 成 和 大 小 ： 从 整 体 上 看 ，
本语料库由一个双语旅游翻译对应语料库 （parallel corpus ， 简 称 PC ） 与 一 个 双 语 旅 游 翻 译 类 比 语 料 库 （comparable corpora ， 简 称

DDL 教学手段往往需要更大规模的语料库 ， 本库建成后会持续扩容 ， 以满足 DDL 需求 。
三是实用性 。 即能够为国内外从事涉外 旅游的英汉语从业者提供方便的旅游翻译参 考或用作自学材料 ， 提高他们的业务水平 。 为了实现上述目标 ， 本语料库在设计时

CC）组成 。 在研究的第一阶段 ，这两个语料库 暂定为各 100 万字 ／ 词 （ 为统计方便 ， 中文部
分按字数计算 ， 英文部分按词数计算 ）， 目前 各个语料库已经完成三分之二 。 按照我们的 设 计 ，PC 与 CC 均 为 动 态 语 料 库 （dynamic corpora ）， 即在将来会按每两年一次的频率 ，

李德超

王克非

49

把符合条件的文本补充至各库之中 ， 并不断 提高加工的深度 。 与那些只是选择特定时间 范围内部分语言现象的静态语料库相比 ， 本 语料库的动态设计能够反映旅游用语及旅游 翻译的时代变迁和语言风格的变化 。 动态设 计的思路会让本旅游语料库的规模逐渐扩 大 ，， 同时也为研究旅游翻译和旅游语言提供 了纵向研究的可能 。 在现阶段 ，PC 与 CC 合 并起来有 200 万字词 。 语料库是否适用的主 要因素并非全在于其规模的大或小 ， 而主要 在于 “ 适用于语料库的文本是否容易获得 ， 或 是取决于其它因素 ， 诸如文本是否需要手动 标注等等 ”（Hunston 2002 ： 26 ）， 以 及 语 料 库 能不能实现研制目的 （ 如旅游翻译的教学 ） 和 解决预定的一些研究问题 （ 如旅游语言的特 点 ）。 对于本研究而言 ， 各 100 万字词的 PC 和 CC ， 在语料收集和分析上较易做到 ， 且在 现阶段为达到这个目标 ， 在财力和在人力的 资源上尚可操控 。

Laviosa 1997 ）。 这些参数的一致性至少能确 保 CC 在设计上避免由于中英文本语料的不
均衡而造成研究中出现错误的或有偏差的结 论。

PC 与 CC 相结合的设计考量在于让这两 种语料库的特点互补 。 Johansson （1998 ： 6 ） 认 为 ， PC 研 究 中 出 现 的 一 些 不 容 易 解 答 的 问题 ， 需以 CC 为 比 较 参 照 系 才 能 得 到 让 人
信服的答案 。 这些问题包括 ： 译文在多大程 度上体现普通语言的运用 ？ 译文在多大程度 上受到原文的影响？ 以及译文具有什么样 的 总 体 特 征 ？ 等 等 。 正 因 为 PC 与 CC 结 合 能在语料库翻译研究中发挥更大的增效作 用 ， 近 来 有 不 少 翻 译 学 者 都 提 倡 把 PC 中 的 一 些 发 现 运 用 在 CC 的 背 景 框 架 中 解 释 ， 充分发挥语料库翻译研究的定性与定量研 究 相 结 合 的 优 势 （ 参 看 Kenny 2006 ）。 除 此 之 外 ， 本 语 料 库 里 具 有 双 向 性 的 PC 与 CC 结合还能提供更广阔、 更丰富的语言对比 潜 能 。 如 下 图 所 示 （C 表 示 本 旅 游 语 料 库 的 组 成 部 分 ）：
中文 译文 英文

PC 是一个双向的汉英 ／ 英汉旅游翻译语
料库 ， 先收录香港地区的英译汉和汉译英的 旅游翻译文本 ， 并逐步将收集的范围扩大到 大陆 、 台湾以及全球华人地区的旅游文本 。 这 些文本包括以网页形式的电子文本和以书面 形式的文字文本 （ 包括书籍 、 宣传册 、 旅游区 内张贴的介绍等等 ）。

C1 中译文

C2 英译文

PC
原文

CC 主 要 收 录 以 香 港 地 区 为 主 的 两 岸 三 地非翻译 （non-translation ） 的中文和英文旅游
原生性文本 。 英文旅游文本将涵盖英 、 美 、 澳 等主要以英语为母语的国家 （ 国别在语料中 加以标识 ）。 与 PC 一样 ，CC 收录的文本范围 同样包括来自电子 、 书面以及其它媒介形式 的文本 。 在构建 CC 时 ， 我们注重让中文文本 库与英文文本库在以下几个主要参数上具有 一致性 ， 以确保收录在 CC 中的中英文文本 具有最大的可比性 ， 如 ： 文本均全文收录 、 长 度大致相近 、 文本创作的时间跨度均为过去 十年、 文本的作者尽可能多样等等 （参考
1

C3 中文原文

C4 英文原文

CC

非译文 C5 中文非译文

C6 英文非译文

图1

旅游语料库结构图

1

从图 1 可见 ， 若以库为单位 ， 本语料库内 可以作子库之间的比较 ， 至少有以下几种可 能性 ： 一 、 可以是 PC 研究中常见的原文与译 文 的 比 较 （C1 ：C4 ；C2 ：C3 ）； 二 、 可 以 作 同 一 种 语 言 之 间 译 文 与 非 译 文 的 比 较 （C1 ：C3 ；

C5：C3； C2：C4；C6：C4）； 三 、 亦 可 以 是 不 同

本图部分改编自 Johansson 和 Hofland （1994 ： 26 ）。

50

新型双语旅游语料库的研制和应用

语言之间 （ 这里即中文与英文 ） 非译文之间的 比较 （C5 ：C6 ）。 同时 ，C5 和 C6 还能起到参考 语料库的作用 ， 为 C1 ：C4 和 C2 ：C3 时提供 尽可能多的参照系 。 本旅游语料库的这种设 计方式为最大限度地有效利用语料库创造了 条件 。

构 以 致 僵 硬 的 译 文 不 予 收 录 ；4 ） 在 最 后 阶 段 ， 部分文本请精通中英双语的专家和翻译 教师审阅其语言和用法上的可接受性 。 由于 本旅游语料库除了用于语言研究外 ， 还会用 于教学 ， 上述严谨选材除了尽量使语料具有 代表性外 ， 还要确保文本有一定的质量 ， 这 样才不会对旅游翻译教学造成反效果 。 可能有人认为 ， 语料若不是全部用随机 方式而任意抽取 ， 反而不利于呈现旅游文本 的 “ 最自然的状态 ”， 因而语料库也并非所有 香港旅游文本的最真实反映 ， 而是带有很大 的主观色彩 。 对此 ， 我们认为 ： 一 、 对语料进行 适当选择是当今绝大部分语料库的通用做 法 ， 亦是一种发展趋势 （ 如 BNC 就对不少语 料进行了剪裁 ）， 只不过很多语料库建设者未 将选材标准明确列出而已 。 未经挑选的大量 原始语料的集合只会让语料库内容参差不 齐 ， 水平不一 。 由这些材料集合而成的语料库 虽然最少受到研究者的 “ 干扰 ”（ 即研究者主 观性的影响 ）， 但它却不利于开展研究或教 学 ， 而后者恰恰才是语料库建设的目的 。 二 、 所有语料库都不可能做到完全客观 ， 不受研 究者主观性的影响 。 正如 Crisafulli 所言 ，“ 语 料库从开始设计如就是一种 （ 设计者 ） 诠释的 表现 ”（2002 ： 32 ）。 不少学者亦指出 ， 语料库 的设计以及语料的收集 （ 包括要容纳哪些主 要信息和次要信息等等 ）， 都要根据研制语料 库之前所设定的研究目的和研究问题而定 （ 参看 Olohan 2004 ： 42 ）， 只要语料库的选材 能够达到预定的目的 ， 语料库的设计和语料 的组成能与研究目的相符 ， 能让学者进行相 应的研究 ， 这就是一个好的语料选取过程 。

PC 与 CC 选取的旅游文本 主 要 包 括 ：1） 自然景观 、 人文景观的介绍 ；2 ） 观光小册子 ； 3）酒店 、旅馆 、餐饮业及娱乐场所和设施的介 绍 ；4 ） 博物馆 （ 包括展品 ） 的说明和介绍 。 将来
还可考虑收集与旅游业相关的其它行业的文 本 ， 如与交通 、 导游 、 票务 、 旅行社业务 （ 包括 旅游行程设计 ）、 货币兑换 、 投诉处理 、 旅游安 全 、 旅游管理部门的宣传和公示语等相关的 文本 。

2） 语 料 的 选 取 和 代 表 性 问 题 ： 香 港 旅 游
业兴旺 ， 市场上充斥着大量与旅游相关的宣 传页和小册子 。 数量多 ， 质量难免良莠不齐 ， 这就更凸现了语料选取过程的重要性。 —— 即 Kennedy 特别指出语料的代表性问题 — 所选语料能否代表这个领域中的大多数文 本— —— 是语料库建设必须考虑的一个重要问 题 。 他认为 ， 选择语料时必须注意的问题包 括 ： 语料的文学价值 、 社会上的影响 、 所面向 的读者群体、 文本地区性和时间因素等等 （1998 ： 62-66 ）。 由于 Kennedy 针对的是单语 普通语料库 （ 尤其是文学语料库 ） 的建设 ， 他 所提及的上述要素并非全都适用于本语料 库 。 但就本语料库而言 ， 在面对大量有关旅游 的文本时 ，“ 研究者需要考虑一系列的问题 ， 确定一系列的标准 ， 帮助作出选择和排除某 些文本的决定 ”（Olohan 2004 ： 46 ）。 借 用 Maia （2003 ：45 ） 的 做 法 ， 本 旅 游 语 料库订出以下几条标准 ：1 ） 据社会语域标准 （ 如分为景点介绍 、 观光介绍 、 旅游配套设施 介绍等若干类 ）， 将分层抽样 、 均衡抽样和比 例抽样结合使用 ， 使入库语料具有一定代表 性 ；2 ） 所有文本 ， 若含任何语法 、 用词或印刷 上的错误 ， 均不收录 ， 或略加更正后收录 ；3 ） 就翻译文本而言 ， 任何太过贴近原文句法结

3．2 具体操作层面的考虑
语料库具体操作层面的考虑因素包括语 料文本的数字化 、 语料的标注 、 语料的对齐 、 语料的篇头标注等实际问题 。

1） 语料文本的数字化 。 目前 ， 语料库所
收录的文本绝大部分来源于以下三种途径 ： 网上的电子文本 、 以纸质形式出现的印刷品 、 书籍或宣传页和拍摄下来的以建筑物形式树

李德超

王克非

51

立的有关旅游景区的介绍 。 所有的这些材料 都需转为 txt 文档备用 。 不少印刷品都带有插图 、 照片 、 标志等

和语法上的修辞特点 ， 在语料中标出所使用 的修辞或比喻手法 。 这种标注方法由于没有 现成的软件可以做到 ， 一切只能人工进行 ， 所 以费时甚巨 。 但一旦标注完成 ， 它将为我们揭 示英汉旅游文本在修辞用法上的不同 ， 甚至 为文本背后两种民族的审美观念的不同提供 有力的佐证 ， 这对比较修辞学 、 比较美学研究 等都大有裨益 。 针对旅游文本及旅游翻译的特点 ， 本语 料库亦会使用一 些 CLAWS7 的 码 集 中 没 有 的自主创设码来对语料进行标注 。 这些自主 创设码主要有两类 ： 一类是用于标注上述提 及的 “ 超音段特征 ”， 以创设码 ＜SUS＞ 表示 ； 另 一 类 是 各 种 类 型 的 修 辞 手 段 （rhetorical devices ）， 在创设码上全以 ＜RHE＞ 开头 ， 后面 会加一个或二个字母来表明语料中所用的具 体 修 辞 手 法 ， 如 隐 喻 以 ＜RHEM＞ 表 示 ， 头 韵 以 ＜RHEA＞ 表示 ， 排比以 ＜RHEP＞ 表示等等 。 因为 CLAWS7 软件只能标注词类 ， 上述标注 因而不能采用机器进行 ， 只能手工赋码 。 之所 以创作这些码集 ， 主要是因为它们所代表的 语言特点在旅游文本体裁中非常显著 ， 且作 用重大， 往往决定旅游文本的呼唤功能 （vocative function ） 是否能 得 以 实 现 ， 因 而 有 必要在语料库中将这些特点明示 。 另外 ， 标注还涉及 CLAWS7 的码集与自 主创设码的兼容问题。 因为作者并非

Nord 称 之 为 “ 非 言 语 因 素 ” （non-verbal elements ） （2005： 118） 以 及 用 不 同 字 体 大
小 、 形式 、 下划线等来模仿语调 、 语气和停顿 功 能 的 “ 超 音 段 特 征 ” （suprasegmental features ）， 它们都构成了旅游文宣中不可缺 少的一部分。 但在转换成语料库电子文本 后 ， 无论是 “ 非言语因素 ” 和 “ 超音段特征 ” 都 得去除 ， 以方便标注和以后的检索 ， 因此 ， 我 们对于具有这些特征的文本就在其电子文 本的 “ 篇头 ” 上注明 ， 方便研究者和学习者如 有需要时去打开相应的扫描文档来查找 ， 同 时亦会在文本中出现这些 “ 超音段特征 ” 的 地方以赋码 ＜SUS＞ 做人工标注 ， 让使用者 能够通过计算机快速查找 。 以相片出现的旅 游介绍则需要手工输入 ， 之后亦存为 txt 文 档备用 。

2）语料的标注 。 在本文 ，标注指对语料成
份 （ 通常是词性 、 词类 ） 的划分 ， 以方便进一步 检索和研究 ， 这种标注方式称之为 POS 标注 法 （part-of-speech tagging ）。 对 于 英 文 语 料 ， 一般的 POS 标注法就是参考 BNC 对语料词 性和词类的划分和缩写方法 （ 如 NN1 表示单 数 名 词 、NN2 表 示 复 数 名 词 、NP0 表 示 专 有 名 词 等 ， 参 看 BNC 网 站 ）， 先 用 软 件 （ 如 CLAWS 标注系统 ）进行机器标注 。 由于机器 标注都不能达到百分百的标注准确率 （ 最好 的 CLAWS 标注系统也只能达到 96％ 左右 ， 见 Kennedy 1998 ： 218 ）， 因 此 机 器 标 注 完 成 后还要进行人工修正 。 中文亦有类似标注词 性和词类的系统 ， 但其准确性不如 CLAWS ， 且中文词性的区分不如英文的清晰 ， 因而标 注中文语料人工后期修正的时间要花费更 多。 本语料库除了按照传统的 POS 标注外 ， 还根据旅游文本中的一个突出的修辞特点 ， 在语料上采用相应的修辞手段标注 。 研究员 在研读文本时 ， 分别会根据文本在语音 、 词汇

CLAWS7 的开发人员 ， 亦无权将自创的码集 加入至 CLAWS7 的码集 之 中 ， 从 而 达 到 以 CLAWS7 软件统一以计算机附码的目的 。 事
实上， 即便作者有权将自主创设码加入

CLAWS7 的码集 ， 但对于作者自主创设码的
标注 （ 如修辞手段的标注 ）， 主要是基于对整 个句子的认知理解 ， 以目前人工智能的发展 程度来看 ， 计算机亦不能对此附码 。 为了与

CLAWS7 的 码 集 相 兼 容 ， 我 们 采 取 的 手 法 是 ： 在所有的语 料 用 CLAWS7 的 码 集 标 注
后 ， 再用手工形式对处理过的语料加注自主 创设码 。 手工赋码费时 ， 但准确性高 。 我们力 求 在 手 工 赋 码 时 做 到 标 注 格 式 与 CLAWS7

52

新型双语旅游语料库的研制和应用

的码集格式完全一致 ， 以便在检索语料时用 软件统一提取 。

料库相比 ， 本语料库的 “ 新 ” 主要体现在以下 几点 ：（ 一 ） 从语料库的结构成份来看 ， 本语料 库一反传统旅游语料库均由 PC 单轨组成的 特点 ， 改为由 PC 与 CC 联合双轨组成 。 正如 图一所示 ， 这种组合形式能提够更为丰富的 各子库之间比较的可能性 ， 使研究者能更全 面地考察旅游文本的体裁惯例 ， 更深入地了 解旅游翻译与其它类型的翻译 （ 如文学翻译 、 法律翻译等 ） 在词汇 、 句法和修辞等多个语言 层面上呈现出来的不同特点 ； （ 二 ） 从语料库 的词容来看 ， 本语料库中的 PC 与 CC 加起来 共 200 万字 ， 这亦是目前世界上最大的双语 旅游语料库 。 更为重要的是 ， 本语料库建成之 后 ， 每二年将更新一次语料库的内容 ， 使语料 库能反映旅游语言的最新变化 。 可以设想 ， 在 较长的一段时间之后 ， 语料库这种动态的 、 增 进式 （incremental ） 的特点将会使研究者能够 对旅游语言和旅游翻译的特点进行历时或共 时的研究 ， 从而丰富目前双语旅游语料库研 究中较为单一的研究范式 ；（ 三 ） 从语料的收 集上 ， 本语料库的语料选材严谨 ， 特别是针对 双语旅游语料良莠不齐的普遍现象 ， 提出双 语语料均需由专家认定后才能入库 。 这就能 避免目前某些双语旅游语料库中出现的部分 收录译文错误百出的毛病 ， 从而在保证本语 料库的语料具有代表性的同时 ， 亦不会误导 用户 ；（ 四 ） 从语料库的运用前景上 ， 传统旅游 语料库作用相当单一 ， 几乎都是为旅游英语 教学 ， 尤其是词汇教学而设 ； 而本语料库的用 途则广泛的多 ： 它除了可以采用 DDL 形式 ， 开展多层次、 多类型的旅游英语教学与中 英 - 英中旅游翻译教学之外 ， 亦可以用于语言 研究及供旅游从业人员使用 ， 这样就使双语 旅游语料库的价值得到更大的体现 ， 亦能给 其它专门语料库的研制和发展提供宝贵的经 验。

3）语料的对齐 。 PC 里的中 、 英文语料都 先用 Paraconc 软件以句为单位粗略对齐 ， 然
后再人工检查 ， 以方便用 concordancer 检索 。 中文语料还会用中科院计算所开发的 “ 汉语 词汇分析系统 ”（ICTCLAS ） 进行切分 。 旅游 文本的翻译很多时候并非完全遵守句对句的 原则 ， 摘译 、 扩译或省译情况还比较多见 。 软 件在某些地方找不到一对一的对应 ， 就容易 发生错配 。 我们设想将来在此新型双语旅游 语料库的基础上 ， 根据词频来自主开发中 、 英 文 旅 游 文 本 中 常 用 的 双 语 词 汇 （bilingual

lexicon ）， 这样就 方 便 在 语 料 库 扩 充 和 更 新
时 ， 把这些双语词汇用作语料句与句对齐的 另一附加条件 ， 进而提高对齐的准确率 。 但无 论如何 ， 机器对齐之后 ， 均需要人工检查作进 一步的确定 。 对于摘译 、 扩译或是省译的现 象 ， 运用 concordancer 检索相关的句子时 ， 可 以在检索时设定 concordancer 同时出现相对 应的句子的相邻的几个句子 ， 提供更为详尽 的语境 ， 这样就能较为准确的知道是那一部 分原文受到改动 。 语料对齐后 ， 会将文本转换 成 XML 格式 ， 这样就能让语料库以多种语 言格式编码 ， 方便传播和检索 。

CC 中汉语旅游语料的词汇切分与赋码 亦 是 采 用 的 是 由 中 科 院 计 算 所 的 ICTCLAS
软件 。 该系统分词精度高 ， 分析速度佳 ， 唯一 不足就是对词性的标注仍不够精准 。 因此 ， 经过 ICTCLAS 分词后的语料仍需大量的手 工校对， 以提高中文语料的词性标注正确 率。

4） 语料的篇头标注 。 篇头提供所收语料 的进一步信息 。 根据不同研制目的 ， 不同语料
库纳入篇头的内容亦不同 。 本语料库里 ， 篇头 内容包括篇名 、 作者名 、 作者背景 、 译者名 、 译 者背景 、 年代 、 出版信息 （ 书籍 、 电子或图片 ）、 文本字数 、 有无 “ 非言语因素 ” 及 “ 超音段特 征 ”等 。 从以上介绍可以看出 ， 与传统的旅游语

4． 研究前景
目前 ， 本旅游语料库只是初步建成 ， 以后

李德超

王克非

53

将会逐渐由主要收集香港地区的语料扩展为 收集两地三岸的中英文旅游语料 ， 并考虑将 语料库上网或制成可供检索的光盘 。 同时 ， 我 们还会不断完善现有的标注体系 ， 根据研究 和教学目的 ， 进行新的语义和句法标注 （ 参看 王 克 非 2004 ： 75 ）， 最 大 限 度 地 发 挥 语 料 库 的潜能 。 在教学方面 ， 将根据语料特点 ， 开发 出一系列可供教师在课堂上使用以及学生随 时使用的教学材料 （ 拟另文叙述 ）， 为开展

语篇中用到的特定修辞手法在英文中的习惯 处理方法 ， 并了解它们在译文读者大脑中构 成的或主观 、 或客观 、 或夸张的印象 ， 等等 。 除 此之外 ， 我们亦可从翻译的共性入手 ， 探讨旅 游翻译是否具有 “ 共性 ”， 而目前翻译研究中 发现的一些所谓 “ 共识 ”（common ground ） 是 否又适用于旅游翻译 ， 等等 。 当然 ， 这些研究 前景都需在进一步提升本语料库研制程度之 后进行 。
参考文献

DDL 旅 游 翻 译 教 学 提 供 直 观 和 真 实 的 语 料
基础 。 另外 ， 我们亦考虑建立学习者旅游翻译 语料库 ， 收集大学生旅游翻译作业的电子文 本 ， 把它与其它两个语料库相对照 ， 找出学生 常犯的错误 ， 寻求产生这些错误的文本内及 文本外的原因 。 在研究过程中 ， 我们基于本语料库已经 做了一些研究 。 例如 ， 研究英汉酒店文宣的文 本比较模式 ， 从而得出在语篇结构 、 语言惯例 上更为适切的中译英酒店文宣译文 （ 李德超 、 王克非 2009 ）， 研究基于旅游语料库而开发 各种 DDL 教学方法 。 本语料库将来的研究前 景相当广阔 。 比如 ， 在词汇层面 ， 我们可以比 较汉英旅游语篇的词汇色彩和风格 （ 如是正 式 、 幽默 、 低调 、 口语化还是其它 ）， 或是通过 词频来统计在特定旅游场景中最常用的词 汇 ， 作为编纂不同程度的旅游教材的基础 ， 或 是考察特定的形容词 （ 如 “ 美丽的 ”） 在译文中 对应的词汇 ， 从而挖掘旅游翻译过程中的审 美因素 ， 等等 。 在句子层面 ， 我们可以考察汉 英旅游语篇在句子结构和句子复杂程度的偏 好 ， 或是研究句子选择主动或被动表达式的 深层原因 ， 或是了解句子在不同的文化场合 所传达的不同语用效果 ， 所能激发起读者不 同的文化联想 ， 等等 。 在语篇层面 ， 我们可以 比较汉英旅游语篇在衔接手段上的差别 ， 或 是归纳出它们在语步结构和体裁结构潜势上 的不同特点 ， 从而考察它们在社会认知根源 上的异同 。 而在修辞层面 ， 我们亦可以比较汉 英旅游语篇最常用的修辞手法 ， 考察读者对 这些手法的接受和反应 ， 或是考察中文旅游
Alcantar ， C． 2007． Construction of a special corpus to extract the most frequent words in a particular field ［J ］． Essex Graduate Student Papers in Language ＆ Linguistics 9 ： 1-17． Barnbrook ， G． ， P． Danielsson ＆ M． Mahlberg． 2006． Meaningful Texts ： Corpora Continnum． Chujo ， K． ， M． Utiyama ＆ K． Oghigian． 2006． Selecting Paper Level-Specific at Kyoto Tourism
［P ］． ［M ］．

The Extraction of Semantic London and New York ：

Information from Monolingual and Multilingual

Vocabulary Using Statistical Measures presented Conference of International Teaching and Learning ：

2006 New

Aspect of English Language Learning in Taiwan． Available online at URL http ： ／ ／ www2．nict．go． jp ／ x ／ x161 ／ members ／ mutiyama ／ pdf ／ KyotoArticle-Chujo-Utiyama-Oghigian．pdf Crisafulli ， E． 2002． The quest for an eclectic methodology of translation description ［A ］． In T． Hermans （ed． ）． Crosscultural Transgressions ： Research Models in Translation Studies II ［C ］． Manchester ： St． Jerome． Hermans ， T．
（ed． ）．

2002．

Crosscultural

Transgressions ： Research Models in Translation Studies II ： Historical and Ideological Issues ［C ］． Manchester ： St． Jerome． Hunston ， S． 2002． Corpora in Applied Linguistics
［M ］． Cambridge ： Cambridge University Press．

Johansson ， S． 1998． On the role of corpora in crosslinguistic research ［A ］． In S． Johansson ＆ S． Oksefjell （eds ）． Corpora and Cross-Linguistic

54

新型双语旅游语料库的研制和应用

Research ［C ］． Amsterdam ： Rodopi． Johansson ， S． ＆ K． Hofland． 1994． Towards an English-Norwegian parallel corpus ［A ］． In U． Fries ， G． Tottie ＆ P． Schneider （eds ）． Creating and Using English Language Corpora ［C ］． Amsterdam ： Rodopi． Johansson ， S． 2003． Reflections on corpora and their uses in cross-linguistic research Corpora in Translator
［A ］．

and information retrieval using comparable and parallel corpora Bernardini ＆ D． Jerome． Mason ， I． 2001． Translator behavior and language usage ： Some constraints on contrastive studies In F．
［C ］． ［J ］． Hermes 26 ： 65-80． ［A ］．

In F．
［C ］．

Zanettin ，

S． St．

Stewart （eds． ）．

Corpora in

Translator Education

Manchester ：

Zanettin ， S． Bernardini ＆ D． Stewart （eds ）． Education Manchester ： St． Jerome． Johansson ， S． 1991． Times change and so do corpora
［A ］． In K． Aijmer ＆ B． Altenberg （eds ）． English

Nord ， C． 2005． Text Analysis in Translation ： Theory ， Methodology ， and Didactic Application of a Model for Translation-oriented Text Analysis
（2nd edition ） ［M ］． Amsterdam ／ Atlanta ： Rodopi．

Olohan ， M． 2004． Introducing Corpora in Translation Studies ［M ］． London ／ New York ： Routledge． Wilkinson ， M． 2005． Discovering translation equivalents in a tourism corpus by means of fuzzy searching ［J ］． Translation Journal 9 ： 110． Wilkinson ， M． 2009． Compiling a Specialized Corpus to Be Used as a Translation Aid ［R ］． Available online at URL http ： ／ ／ www．joensuu．fi ／ hallinto ／ jopke ／ dokumentit ／ Wilkinson．doc Zanettin ， F． ， S． Bernardini ＆ D． Stewart （eds ）． 2003． Corpora in Translator Education
［C ］．

Corpus Linguistics ：

Studies in Honour of Jan

Svartvik ［C ］． London and New York ： Longman． Johns ， T． ＆ P． King． 1991． Classroom concordancing
［J ］． ELR Journal ， New Series 4．

Kennedy ， G． D． 1998． An Introduction to Corpus Linguistics Longman． Kenny ， D． 2005． Parallel corpora and translation new perspectives ？ studies ： Old questions ，
［M ］．

London ／ New York ：

Reporting that in GEPCOLT ： A case study ［A ］． In G． Barnbrook ， P． Danielsson ＆ M． Mahlberg
（eds． ）．

Meaningful Texts ：

The Extraction of

Manchester ： St． Jerome．
冯志伟 ，2001 ， 中 国 语 料 库 研 究 的 历 史 与 现 状 ［A ］。 国际中文计算机会议 ICCC2001 论文集 （C ）。 新 加坡 。 黄昌宁 ，2002 ， 语 料 库 语 言 学 ［M ］。 北 京 ： 商 务 印 书 馆。 李 德 超 、 王 克 非 ，2009 ， 平 行 文 本 比 较 模 式 与 旅 游 文 本的英译 ［J ］。 中国翻译 （4 ）：54-58 。 王 克 非 ，2004 ， 新 型 双 语 对 应 语 料 库 的 设 计 与 构 建 ［J ］。 中国翻译 （6 ）： 73-75 。 收稿日期 ：2009-07-09 ； 作者修改稿 ，2009-07-28 ； 本刊修订 ，2009-12-28 通讯地址 ： 北京外国语大学中国外语教育研究中心

Semantic Information from Monolingual and Multilingual Corpora ［C ］． London ： Continuum． Kubler ， N． 2003． Corpora and LSP translation ［A ］． In F．
（eds． ）．

Zanettin ，

S． Bernardini ＆ D． Stewart

Corpora in Translator Education ［C ］．

Manchester ： St Jerome． Laviosa ， S． 1997． How comparable can “comparable corpora ” be ？ ［J ］． Target 9 ： 289-319． Laviosa ， S． 2002． Corpus-based Translation Studies ： Theory ， Findings and Applications
［M ］．

Amsterdam ： Rodopi． Li ， Defeng． 2004． Trustworthiness of think-aloud protocols in the study of translation process ［J ］． International Journal of Applied Linguistics 3 ： 301-313． Maia ， B． 2003．
“Some languages are more equal

＜kfwang126＠126．com＞ ＜ctdechao＠polyu．edu．hk＞

（王 ） （李 ）

香港理工大学中文及双语学系

than others ”： Training translators in terminology

109

contrasting． On the semantic construal of ［shèng ］ and ［bài］ from the Construction Approach ， by Li Guohong ， p．31 The Chinese antonyms ［shèng］ and ［bài］ sometimes are synonymous with each other． To address this strange phenomenon ， the paper analyzes their semantic properties from the cognitive perspective ， with the findings that （1） ［shèng］ bears a definite semantic direction ， while ［bài］ is opaque ， and （2） when acting as a complex predicate juxtaposed with other words in a two-argument construction ， ［shèng］ and ［bài］ take the following sequence in deciding their semantic direction ： direction of the directional words ＞ direction of the imperfective ＞ inherent direction of the perfective ＞ direction of the atemporal ＞ prototypical direction of the perfective ； when acting as a one-argument predicate ， ［shèng ］ and ［bài］ are semantically directed to the agent． A study of Kenneth Burke ’s philosophy of language from his concept of “terministic screen ”， by Ju Yumei ， p． 39 This paper explores Kenneth Burke ’s philosophy of language． It begins by analyzing his concept of “terministic screen ” ． And based on the analysis ， it studies Burke ’s philosophy of language from the following four aspects ， i．e．， human beings cannot live without language ； language performs the function of being attitudinal and persuasive ； language does not simply reflect reality ； language use is full of motives． Through the study ， the paper attempts to argue that rhetoric ， especially Western rhetoric ， is interdisciplinary in nature and hopes that it might shed enlightenment on the development of modern Chinese rhetoric． Development and application of bilingual corpora of tourism texts ： A new approach ， by Li Dechao and Wang Kefei ， p．46 Based on a critical review of the existing monolingual and bilingual corpora of tourism texts both at home and abroad ， this paper introduces the design rationale and the practical consideration for Bilingual Corpora of Tourism Texts （the Corpora ）， which are being developed in the Hong Kong Polytechnic University． The practical consideration of the Corpora includes the digitization ， the tagging ， the alignment and the design of the header for the texts to be included in the Corpora． The paper concludes by pointing out the potentials for the teaching and research of tourism translation based on the Corpora． The representation of ambiguous words in Chinese EFL learners ’ mental lexicon ： A developmental model ， by Zhao Chen ， p．55 This paper reports on an experiment exploring Chinese EFL learners ’ mental representation of three types of ambiguous words ： homonymy ， metaphoric polysemy and metonymic polysemy． The results show that the representation of the three types of ambiguous words in Chinese EFL learners ’ mental lexicon is a developmental model ： the sense relatedness of homonymy and metaphoric polysemy becomes ever lower as the learners ’ language proficiency improves． On the contrary ， the sense relatedness of metonymic polysemy is ever higher when the learners achieve a higher proficiency． The model is consistent with the usage-based approach for second language learning． An empirical study of the psychological reality of the gap in Chinese topicalization ： Evidence from filler priming ， by Cai Rendong and Dong Yanping ， p．64



  本文关键词：新型双语旅游语料库的研制和应用，由笔耕文化传播整理发布。