中日双语平行语料库之日语科技语标注技术

1、中日双语平行语料库之日语科技语标注技术中日双语平行语料库之日语科技语标注技术一、科技语的定义及表现形式科技实际内容的另一种表现形式是科技语文章。科技文献存在的前提是科技语言的掌握。语言学给出这样的结论，科技日语是以日语为根基，传递的是科技方面的思想内容，是日语中必不可少的一局部。科技日语语体描绘的主体是现实生活中客观存在的事实，这就是自身最大的特点，由于这个原因使其在表现手段、逻辑思维等方面有鲜明的特色。换句话说，科技日语语体在遣词造句等方面有其自身的特点。只有充分地掌握这些特点，才能正确理解科技日语文章。语言是思维的外在表现形式，思维有赖于语言，尤其有赖于文章的准确性表达思维的明晰性，文章的

2、层次性表达思维的条理性，文章的周密性表达思维的逻辑性阅读过程中的判断推理、分析综合、类比想象、欣赏评价，都离不开思维。换言之，文章阅读的过程，就是整理思维的过程而阅读科技语体的文章，不仅是一个语义识别、语法分析的过程，同时也是读者运用相关学科的知识和经历对写作者所传递的新理论，新信息，新资料进展判断、推理、分析、综合的复杂逻辑思维过程。因此，在阅读整理科技日语语体的文献时，除了掌握科技日语的根本语言特点，具有较高程度的语言分析才能外，还必须理解有关学科的根本知识和较强的逻辑思维才能，才能把握原文的精神本质，用恰当的概念去判断原文。二、中日双语科技语标注技术一中日双语日语科技语标注技术采用的主要

3、方法。目前，大多数语料库采用数据库处理和文本处理相结合的组织模本文由论文联盟搜集整理式，采用XLExtendarkingLanguage标记语言。该标记语言的优点在于语料处理比拟直观，根本和实际的文章相似。此种标记语言需要高配置、高性能的硬件设施，但是对于数据的处理才能较低，所以很难完成多用户的共同处理任务。相对于其他的标记语言，该技术的功能较繁琐，数据库的管理和平安性的维护都很难能实现。由此得出该种标注技术只适用于数据量较小，双语语料库。但是，到目前为止还没有研究出比XL标记语言更便利的标记语言，因此，市场照旧采用XL语言，在此根底上研发出了多用户并发操作形式，即群组分布式操作形式，以到达扬

4、长避短的目的。群组分布式操作形式，通过市场热门的数据库应用软件，分解文本数据，并将其存储在一个公共数据库中，主机之外的计算机只能为客户机的身份操作数据库。分布式计算机系统是由广域网或局域网互相连接，可以在数台计算机上同时运行程序的不同局部。通过B/SBrser/Server，阅读器/效劳器或/Slient/Server，客户端/效劳器构造，不仅能将语料数据有效的存储和完成复杂的检索，而且能实现了多用户的群组操作，到达了事半功倍的效果。中日双语语料库的建立系统和使用系统是由数台互相联网的计算机组成，将一台计算机放在中心的位置，充当效劳器，剩下的计算机只有通过局域网访问效劳器才能获得需要加工的数据

5、。以此让语言翻译有关的研究人员都能操作数据库。群组分布式操作形式像网一样将用户、创立人员、研究人员等与效劳器相连，从而操作翻译语料库。二中日双语科技语标注技术遇到的主要问题。1语言学理论上的问题。首先，中日双语科技语标注技术缺乏统一的文法理论基矗从自然语言处理理论来看，还没有哪一种语言学流派成为一种理想的理论根底，因此建立中日双语科技语标注技术就面临着缺乏语言学理论基矗这样，一方面是缺乏一个统一的语言理论来指导建立中日双语科技语标注技术，从而造成中日标注分别建立在两个不同的语法体系的现象；另一方面，一旦选定某种文法理论来设定标注技术，那么要引入另一个文法进展某些研究时，就会造成标注技术的冲突和

6、冗余，其结果就是双语标注技术的标准性无从谈起。其次，中日双语科技语标注技术面临着描绘双语现象的难题，这一点在语言学中也是一个有待深化研究的问题。双向机器翻译系统的下一步工作是：利用等值翻译理论，建立等值翻译表达式，从而实现双向机器翻译系统的知识级的共享。但是这一方案在理论上还有很多问题有待克制，其中之一就是如何进展双语的描绘问题：不仅需要分别充分描绘汉语和日语各自的特点，而且还要可以刻画出二者互相转换时的特征，也就是说需要刻画出双语的异同点。而恰恰在这里，语言学和比拟语言学研究乃至翻译研究，都没有可以提供一个充分可行的理论。也就是说，中日双语标注集需要首先确定所需要表示的知识范围：汉语和日语之

7、间终究在什么范围、什么程度上存在那些异同，标注技术终究在什么层次上刻画双语现象。此外，在双语标注技术的出发点上，还存在着理性主义和经历主义两种不同的意见。理性主义意见认为双语标注技术应该根据双语研究的成果，对于双语间一样的语言现象使用一样的符号，而对于那些不同的现象再引入互相区别的标志。当然这种状态比拟理想，但是目前这方面的语言学研究还不太成熟。另一种经历主义认为，双语标注技术应该针对每种语言的特点设置各自符号，而后在此根底上进展双语的比拟和对照研究，才可以充分提醒两种语言的异同。这种意见从理论的角度来看是可取的，其缺点是可能造成一定的符号冗余。2双语标注技术设计的几个难点。首先，公认性是双语

8、标注技术存在的基矗公认常常意味着人们对某个事物达成了共识，但对于语言标注乃至整个自然语言处理来说，这种共识几乎不存在。其次，开放性是中日双语标注技术的设计核心。标注技术的开放性在机器翻译研究中不仅仅是技术上的问题，而且具有非常重要的理论意义。机器翻译研究包括句法分析、词义消歧识获娶口语机器翻译等不同专业众多的研究方向。最后，兼容性是中日双语标注技术实用化的表达。目前，语料库研究和其他自然语言处理研究的果是机器翻译研究的一个丰富的资源，假如可以使标注技术兼容这些研究所使用的符号集，也是说在彼此之间可以建立比拟好的对应关系，那么不仅可以利用这些丰富的研究成果和已的研究工具，而且可以使我们的研究和相

9、关的研究之间具备了真正的可比性。三中日双语科技语标注技术问题的初步解决方案。1中日科技语标注技术从整体上不依赖于某个特定的文法，而是根据目前汉语和日语的研究经历，分别对两种语言中比拟普遍的、公认需要研究的语言现象设置符号；对于其他可能需要的知识表示，留待后期完善。2标注技术包括词法标注和句法标注两大类，两者的语法层次、符号大不一样，在词法标注技术和句法标注技术中，分别将各自的符号划分成三个局部：根本符号，常用符号和专用符号。3根本符号描绘自然语言共有的一些特征或者中日双语的根本概念，这些概念在各种语料库中几乎都有类似或一样的符号代表，例如词法标注中的名词、动词等概念和句法标注中的名词词组、动词

10、词组、介词词组等等。4中日文常用符号集主要包括一些比拟公认或应用比拟广泛的语法概念，例如人称、数、性别、时态、语态；甚至可能包括所需要的某个文法中的一些根本概念，如格语法中各种格的符号等等。中日文专用符号集可以看作是对以上两种符号的补充，它往往是根据各种分支研究的需要所填补的各种表示符号。例如口语机器翻译所需要的额外符号，汉语分词研究所添加的特征标记等等。根本符号和常用符号一般来说是比拟固定的，但是常用符号可能随着研究的深化，经课题组和有关专家讨论后，进展有系统的改动或添加。5专用符号表达整体的开放性，可以根据需要随时添加。不过，应该首先尽可能沿用已有的符号，只有在非常必要时再进展增补。对于每

11、个新增的符号，都要有严格的说明和定义；而新增一批专门用于某个分支研究的符号时，应该专门书写说明，记载该项研究继承了哪些已有的符号，新增了哪些符号等等。一般来说，这些专用的符号都不允许脱离已有的标注集而另成体系。三中日双语科技语标注技术的研究意义。其意义主要有以下几个方面：1稳定的研究根底标准的中日双语科技语标注技术是机器翻译、双语语料库以及其他有关研究的知识表示基矗以一个统一的根底开展研究可以确保研究的延续性和一致性。2研究成果的积累有利于机器翻译系统的开发和有关的双语语料加工。假如可以以一个标准的中日双语标注技术为根底，那么每个为此目的开发的辅助工具和系统都可以直接继承并加以利用，从而节省科

12、研劳动，依靠成果积累加快研究的深化。3统一的比照平台和转换标准英汉双语的语料加工在国内外已经有比拟丰富的成果，而且所使用的符号体系各有特点。假如没有一个标准的双语标注集，就无法对这些工作进展比拟，而且对于这些语料的进一步加工利用就会需要额外的转换工作。因此，标准的中日双语标注技术会促进对已有资源的利用。可见，一个标准的中日双语标注技术对于涉及中日双语的研究来说具有战略意义假如可以在全国范围内建立这样一个标准，其意义将更加宏大。在这一过程中，我们发现建立中日双语标注技术不只是对原有单向标注集的简单归纳整理。双语标注技术不仅涉及到一些比拟复杂的实现策略问题，还涉及到比拟语言学和翻译理论中悬而未决的一些问题。结语：中日双语科技语标注技术是中日双语处理研究的知识表达基矗由于目前国内文献对此类问题关注较少，本文比拟详细地阐述了设计双语标注技术的必要性、设计中的难点并提出了一个可行的解决方案。该方案不仅可以适应相当长的时间内中日双向机器翻译和汉语语料库研究，而且对于其他跨语言