基于語料庫的翻譯漢語詞匯特征研究

基于語料庫的翻譯漢語詞匯特征研究

1.翻譯特征與翻譯共性翻譯涉及源語和譯入語兩種語言，所產(chǎn)譯文必然與這兩種語言及其文化相關(guān)。譯文再“異化”，也不可能全部照搬源語而不顧譯入語的語言規(guī)則規(guī)范，譯文再“歸化”，也總會與譯入語存在某些差異。這些差異不會以明顯不符合目的語語法規(guī)則的形式出現(xiàn)，而往往以多少有些異常的形式偏離語言使用的規(guī)范(Toury，1980：226)。我們把譯文語言與譯入語語言規(guī)范的差異稱為“翻譯的特征”(featuresoftranslation)，并由此探討“翻譯共性”(translationuniversals)。對翻譯自身特征的系統(tǒng)研究僅有十幾年歷史。Baker(1993)、Kenny(2001)、Laviosa(2002)、Olohan(2004)等先后采用語料庫語言學(xué)的方法來描述翻譯英語的特征。他們據(jù)此所揭示的翻譯共性主要是：1)簡化(simplification)，指“譯者無意識地簡化語言或信息或兩者兼而有之”(Baker，1996：176)。換言之，即翻譯文本比原創(chuàng)文本的語言更簡單，例如用詞范圍縮小，常用詞增多，句型簡化等。2)顯化(explicitation)，指對源語中暗含的、需從上下文中推導(dǎo)出的信息在譯入語中予以明示(Vinay&Darbelnet，1958/1995)。顯化最主要的表現(xiàn)是：擴展句子和語篇，增添修飾詞、限定詞和連接詞，增添額外信息，增添解釋語，代詞明示等。3)范化(normalization)，指譯者消除原文獨特的文本特征，用譯入語中典型、規(guī)范的方式來生產(chǎn)譯文，而且譯文可能比譯入語的原創(chuàng)文本更加“規(guī)范”。主要表現(xiàn)為：特色詞減少，常用詞增多，標點符號更規(guī)范，繁瑣、奇異的句子減少，邏輯性更強等。除上述三個翻譯共性外，個別研究者還提出了刪減原文中的重復(fù)、譯入語特征夸大化等特征。概言之，翻譯特征可描述為語言更簡單、易讀性更強（簡化）；歧義更少、表達更清楚（顯化）；更符合譯入語規(guī)范（范化）；同時，翻譯文本的獨創(chuàng)性可能降低，譯文偏向于譯入語文化中的可接受性。學(xué)者們傾向于將這些翻譯特征逐步論證為翻譯的共性，這一點自然需要更多的雙語翻譯語料的驗證。上述翻譯特征研究主要在英語為主的歐洲語言間的翻譯中進行。我國的語料庫翻譯學(xué)者經(jīng)過前幾年的介紹階段后（廖七一，2000；張美芳，2002；柯飛，2002；胡顯耀，2005等），也開始進行基于漢英對應(yīng)語料庫的相關(guān)研究。本文即利用北京外國語大學(xué)“通用漢英對應(yīng)語料庫”（注：該語料庫由中國外語教育研究中心王克非主持創(chuàng)建。語料庫容量為3,000萬字詞，由翻譯、百科、?？坪蛯ψg語句等四個子庫構(gòu)成。其中翻譯文本庫容量為2,000萬字詞，英譯漢占60%；漢譯英占40%，分別包含文學(xué)和非文學(xué)語料。全部語料進行了句對齊和詞性標注。文學(xué)語料以小說為主。本文主要使用四個子庫的語料：[1]漢語文學(xué)原創(chuàng)語料；[2]漢語文學(xué)翻譯語料；[3]漢語非文學(xué)原創(chuàng)語料；[4]漢語非文學(xué)翻譯語料。）對翻譯漢語（包括文學(xué)和非文學(xué)語料）不同于原創(chuàng)漢語（指漢語原創(chuàng)語料）的詞語使用特征進行描述和分析。需說明的是，本文的出發(fā)點是采用語料庫方法來驗證翻譯漢語是否存在翻譯共性或區(qū)別性特征的假設(shè)。本文的比較是在同為漢語的翻譯和非翻譯的類比語料庫之間進行，與傳統(tǒng)對比語言學(xué)在語言間的比較有區(qū)別。2.翻譯漢語的詞匯特征2.1詞語變化度詞語變化度是指相同長度的語料中不同詞語的數(shù)量，可以作為語料難易程度的衡量因素之一，以語料庫的類符形符比(Type/TokenRatio，TTR)來衡量。類符形符比指特定語料中類符(type)與形符(token)的比率。類符是語料庫中不同的詞語；形符是所有的詞形。TTR值越大說明該文本所使用的不同詞匯量越大，反之則不同詞匯越少。但由于一種語言在特定時期的詞匯量是有限的，語料庫容量不斷擴大，形符數(shù)持續(xù)增加，但類符數(shù)卻不一定會增加；語料庫容量越大，形符類符比反而會越來越小，因此不同容量的語料庫的形符類符比不具備可比性。故一般用標準類符形符比(STTR)來衡量語料庫的詞匯變化，即按一定的長度分批計算文本的類符形符比，再求均值類符形符比反映文本的信息量的大小。用WordsmithTool(WS)可自動計算TTR和STTR。下表為使用WS4.0統(tǒng)計的語料庫基本信息（STTR計算基數(shù)為100）：表1：各子語料庫的詞語變化度比較（注：WS統(tǒng)計的數(shù)據(jù)與采用PowerGrep3.0等文本檢索工具檢索的數(shù)據(jù)有一些差異。這可能是由于WS內(nèi)部對漢字形符計算的方式有所不同。本文對相同數(shù)據(jù)采取完全相同的工具以確保詞表數(shù)據(jù)具有可比性。）文學(xué)非文學(xué)原創(chuàng)漢語翻譯漢語原創(chuàng)漢語翻譯漢語形符數(shù)(token)403,418564,390302,303460,887類符數(shù)(type)14,77116,34010,15117,111TTR3.662.93.43.77STTR71.8470.7966.9570.87STTR標準差29.0028.2832.3430.17平均詞長（字數(shù)）1.281.321.551.46詞長標準差10.550.730.67表1列舉了反映詞語變化的各項指標?？傮w特征是：文學(xué)語料與非文學(xué)語料的表現(xiàn)呈相反趨勢——漢語文學(xué)語料中翻譯漢語的TTR和STTR小于原創(chuàng)漢語；而非文學(xué)語料庫翻譯漢語TTR與STTR大于原創(chuàng)漢語。這意味著：文學(xué)語料的詞語變化趨勢支持“簡略化”的假設(shè)，即漢語文學(xué)翻譯語料顯示使用較少的詞匯，而原創(chuàng)文學(xué)傾向于使用較多的詞匯。詞語變化特征表明：漢語文學(xué)翻譯語料支持“簡化”共性假設(shè)（Laviosa，1998，2002；胡顯耀，2007），而漢語非文學(xué)翻譯語料似乎不支持這一假設(shè)。關(guān)于后者，我們分析是所用語料庫中非文學(xué)原創(chuàng)漢語語料的選材稍顯單一，主要為政府文件類語料（共199個文件）；而翻譯漢語則涉及科技、經(jīng)濟、法律、醫(yī)療等各個領(lǐng)域（共400個文件）。兩個語料庫的規(guī)模和選材有差距，因而可比性略差。盡管文學(xué)語料的詞語變化度支持翻譯簡化的假設(shè)，但由于語料庫之間的類符形符比的差距并不特別懸殊，這些差異還可能受語料庫工具的精度和語料取樣范圍的影響，所以它所能說明詞語簡化的程度有限。2.2詞類頻率分布本文所使用的四個語料庫都做過詞性賦碼，我們得以對各子語料庫的各類詞性進行全面的統(tǒng)計分析。我們用PowerGrep3.0檢索了語料庫中全部43個POS標記的頻次，并依據(jù)各子語料庫的實際形符標準化了各種詞類的每百萬詞頻率（注：本文的某一詞類包括該POS的全部賦碼，例如：形容詞包括POS=a，ad，ag，an；名詞包括POS=n，ng，nr，ns，nt，nx，nz等等。全部詞性賦碼標記集(Tagset)參看《北大漢語文本詞性標注標記集》。）（見表2）。為了分別統(tǒng)計實詞和虛詞的頻率，本文在表中用“-”表示虛詞。鑒于代詞屬實詞或虛詞還存在爭議，及代詞在翻譯漢語中的特殊表現(xiàn)，本文用“*”單列表示。以下分別從詞匯密度、虛詞形符比、代詞形符比三個方面具體分析翻譯漢語的詞類頻率分布特征。表2：各子語料庫詞類頻次比較（每百萬詞）文學(xué)非文學(xué)原創(chuàng)漢語翻譯漢語原創(chuàng)漢語翻譯漢語動詞206851200358212206203975名詞175609151910240423232432副詞85898756955277857232形容詞44232416874184340492數(shù)詞30895297683513034966量詞25297239421731920427代詞*74307*101141*41856*53154助詞-70697-83437-75005-84320介詞-26064-37692-37545-45807連詞-17359-21950-28944-33594語氣詞-14450-11876-4044-2673嘆詞-1808-1710-93-138合計773467781166787188809210(1)詞匯密度(LexicalDensity)詞匯密度有兩種計算方法。一種是以TTR值作為詞匯密度（楊惠中，2002：168）。一般認為，這種詞匯密度高于60-70%為密度較高，低于40-50%為密度較低。這種詞匯密度將詞語的變化性等同于詞匯密度，但如上所述，TTR對語料庫容量和選材十分敏感，不能真實反映詞語變化度。另一方面，STTR也不能完全反映篇章的信息量，原因是STTR統(tǒng)計的類符包括實義詞和功能詞，過度修飾的篇章由于功能詞的增加也可能提高STTR值，但并不意味著該語篇信息量的增加。另一種是J.Ure(1971)和MichaelStubbs(1986)提出的方法，即統(tǒng)計實詞形符在總形符數(shù)中的比例。英語的實義詞（lexicalword或contentword）指具有穩(wěn)定詞義的詞語，包括名詞、動詞、形容詞和副詞等詞類。與之相對的是功能詞(functionword)，指不具備穩(wěn)定詞義或意義模糊而主要起語法功能作用的詞語，包括介詞、連詞、冠詞、助動詞等詞類。漢語詞類劃分和實詞與虛詞的區(qū)分至今還存在爭議（注：漢語實詞與虛詞和各種詞類的劃分存在不同的劃分標準和類型。如《馬氏文通》把漢語分為實詞和虛詞兩大類，“凡字有事理可解者，曰實字，無解而惟以助實字之情態(tài)者，曰虛字?！碧撟址帧敖樽?、連字、助字、嘆字”四類。黎錦熙《新著國文語法》將詞分五大類：實體詞、述說詞、區(qū)別詞、關(guān)系詞、情態(tài)詞。其中虛詞是指關(guān)系詞和情態(tài)詞。王力《中國現(xiàn)代語法》認為詞分為理解成分和語法成分，理解成分即實詞包括：名詞、數(shù)詞、形容詞、動詞；語法成分包括半實詞（副詞）、半虛詞（代詞、系詞）和虛詞（聯(lián)結(jié)詞和語氣詞）。呂叔湘和朱德熙《語法修辭講話》則把名詞、動詞和形容詞歸為實詞，把代詞、副詞、連詞、語氣詞、象聲詞等歸為虛詞?？梢姡瑺幾h最大的詞類是副詞和代詞，究竟這兩類詞屬于虛詞還是實詞，是漢語語言學(xué)家爭論不休的問題之一。本文無意討論漢語詞類劃分的問題，但由于在研究翻譯文本與非翻譯文本差異性時，不可避免地涉及漢語的詞類問題，因此本文綜合各家意見，主要采取了王力、呂叔湘與朱德熙先生看法，將名詞、動詞、形容詞三類詞歸為實詞；而將副詞、代詞、介詞、連詞、助詞和嘆詞等歸為虛詞。）。本文用前一種方法詞匯密度來考察和比較翻譯漢語與原創(chuàng)漢語在信息量上的差異和難易度，同時也采取第二種方法，即在具體統(tǒng)計中把名詞、動詞、形容詞、副詞、數(shù)、量詞等六個“具有穩(wěn)定詞義”的詞類作為實詞。將漢語中起語法功能的助詞、介詞、連詞、語氣詞、嘆詞等視為虛詞。而“半虛詞”代詞（王力，1990）的意義必須依靠與其同指的名詞才能確定，本文認為它不應(yīng)算作具有“穩(wěn)定的詞義”。但是，我們在對各詞類頻率及比例的統(tǒng)計中發(fā)現(xiàn)，漢語文學(xué)翻譯中代詞的使用與非翻譯語料具有顯著的區(qū)別，故本文對代詞單列統(tǒng)計并專門討論。表3中列舉了三類詞的頻率在各子語料庫中的比例。表3：各子語料庫詞匯密度對比文學(xué)非文學(xué)原創(chuàng)漢語翻譯漢語原創(chuàng)漢語翻譯漢語實詞61.40%57.30%64.50%63.10%代詞7.43%10.11%4.19%5.32%虛詞13.04%15.67%14.56%16.65%標點17.00%15.80%15.23%13.27%其它1.12%1.06%1.51%1.62%表3中實詞的比例即本文所說的詞匯密度。可以看到，無論是文學(xué)語料還是非文學(xué)語料在詞匯密度上表現(xiàn)趨于一致：翻譯漢語的詞匯密度低于原創(chuàng)漢語，即相同長度的翻譯漢語語料中使用的實詞少于原創(chuàng)漢語，或換言之，相同長度的翻譯漢語語料中可能使用了更多的功能詞，詞匯密度低反映信息量和文本難易度相對降低。因此，詞匯密度在各子語料庫中的表現(xiàn)支持翻譯文本的“簡略化”假設(shè)——即漢語翻譯文本具有通過降低實詞所提供的信息量來降低譯文的難度，從而提高其可接受性的總體趨勢。(2)虛詞明晰化上文考察了實詞的比例，那么虛詞在翻譯漢語中表現(xiàn)如何？從表3中可以看到，漢語文學(xué)和非文學(xué)語料具有共同趨勢：翻譯漢語的虛詞比例高于原創(chuàng)漢語。也就是說，翻譯漢語語料中起語法功能的介詞、連詞、助詞等詞類使用頻率比原創(chuàng)漢語文本高，我們把這種現(xiàn)象稱為“虛詞顯化”（或語法顯化）。由于漢語總體而言趨向語法標記內(nèi)隱（意合），而翻譯漢語在語法標記上則出現(xiàn)了外顯（形合）的特征，我們認為，這一特征支持翻譯漢語顯化共性的假設(shè)。不過，虛詞在語料庫中的具體表現(xiàn)如何？造成翻譯漢語虛詞明晰化的原因是什么呢？為了回答這些問題，我們對語料庫中具體詞類進行了更深入的分析。圖1是文學(xué)語料中原創(chuàng)漢語和翻譯漢語的各主要詞類每百萬次頻率比較。從中可以更直觀地看到文學(xué)語料中：(1)原創(chuàng)漢語的全部實詞頻率均高于翻譯漢語，其中以名詞頻率差異較為顯著；(2)原創(chuàng)漢語的全部虛詞頻率均低于翻譯漢語，其中助詞、介詞、連詞均有較大差異；(3)原創(chuàng)漢語的代詞使用頻率明顯低于翻譯漢語。圖1：原創(chuàng)漢語和翻譯漢語文學(xué)語料詞類頻率對比圖2：原創(chuàng)漢語和翻譯漢語非文學(xué)詞類頻率對比圖2是非文學(xué)語料中原創(chuàng)漢語和翻譯漢語的主要詞類頻率比較。從該圖可以看到漢語文學(xué)語料與非文學(xué)語料的差異：總體而言，文學(xué)語料的實詞頻率更低而虛詞頻率更高；文學(xué)語料中頻次最高的詞類是動詞，而非文學(xué)語料中頻次最高的是名詞。這種差異可以從文學(xué)與非文學(xué)語料的不同功能來解釋：文學(xué)作品主要供人消遣娛樂，非文學(xué)作品的主要功能是提供信息，因而，文學(xué)語料通過降低詞匯密度，增加語法明晰度來提高自身的可讀性。除此以外，非文學(xué)語料中，原創(chuàng)與翻譯漢語體現(xiàn)出與文學(xué)語料類似的趨勢，即：原創(chuàng)漢語的實詞頻率高于翻譯漢語，而虛詞頻率低于翻譯漢語。但從虛詞頻次差異程度來看，非文學(xué)翻譯語料不如文學(xué)翻譯語料明顯（見圖1和圖2）。上述比較說明虛詞明晰化可以作為文學(xué)與非文學(xué)翻譯漢語語料的共同特征。這一特征使我們對漢語翻譯文本的語言特征有了新的認識。(3)指代顯化如上所述，本文把代詞作為“半虛詞”單列討論，這是由于代詞在翻譯漢語中出現(xiàn)了與原創(chuàng)漢語顯著不同的特征。漢語代詞除具備和名詞相同的指別(deixis)的功能外，還具有照應(yīng)(anaphora)功能，即與其它語言單位構(gòu)成同指關(guān)系的功能。王力把代詞歸入“半虛詞”(1990)，就是指代詞的照應(yīng)功能。與英語及其它印歐語言相比，漢語代詞的類型較少，使用頻率較低（劉宓慶，1998:445-476；范仲英，1997:148-151）。漢語人稱代詞形式上沒有主格賓格之分，代詞所有格與英語的物主代詞相比使用得更少。漢語常規(guī)的指代方式主要以“名詞復(fù)現(xiàn)”和“零代詞”為主，顯性人稱代詞的使用頻率一般較低。上述特征可以說是原創(chuàng)漢語的“常規(guī)”，但從語料庫代詞頻率統(tǒng)計來看，翻譯漢語中代詞顯然偏離了這一常規(guī)。從圖1圖2中文學(xué)和非文學(xué)語料的代詞頻率對比來看，翻譯漢語的代詞頻率明顯高于原創(chuàng)漢語。這說明：翻譯漢語傾向于將指代關(guān)系顯化。2.3詞表與范化詞表(Wordlist)指按照類符的頻率高低列出的類符表，也叫詞頻表。我們用PowerGrep工具制作了四個子語料庫的詞表（見表4；限于篇幅本文僅列前10位）。該詞表列出所有類符的頻率(Frequency)和在總詞頻數(shù)中所占的百分比。初步比較之下，各子語料庫的詞表開頭部分非常相似：除了漢語非文學(xué)原創(chuàng)語料庫外，其它三個語料庫詞表的前30位都是以“的、在、和、了、是、一、為、有、不、我、他”等單字詞構(gòu)成的。雖然各子語料庫的具體順序略有差別，但基本上大同小異。這些單字詞的高頻現(xiàn)象是漢語詞表的普遍現(xiàn)象（注：漢語非文學(xué)原創(chuàng)語料庫選材稍顯單一（以政論文為主），故其詞表特征表現(xiàn)略特殊。）。各子語料庫前30位的高頻詞幾乎都是助詞、介詞、連詞和代詞等起語法功能和修辭作用的虛詞。現(xiàn)代漢語所有的結(jié)構(gòu)助詞“的、地、得”和動態(tài)助詞“著、了、過”均出現(xiàn)在前30位中，其中結(jié)構(gòu)助詞“的”在所有語料庫中皆排在第1位，各子語料庫中頻率最高的動詞為“是”，介詞為“在”，數(shù)詞為“一”，副詞為“不”，名詞為“人”。翻譯漢語語料與其它原創(chuàng)漢語詞表的顯著區(qū)別在于：(1)漢語文學(xué)翻譯詞表前30位詞語的頻次比例之和為32.27%，明顯高于其它漢語語料庫（文學(xué)原創(chuàng)29.99%，非文學(xué)原創(chuàng)25.33%和非文學(xué)翻譯24.35%）。這意味著漢語文學(xué)翻譯語料中詞頻最高的30個詞重復(fù)使用的頻率更高。(2)文學(xué)翻譯詞表前10位中，出現(xiàn)了4個人稱代詞（“他、我、你、她”），而文學(xué)原創(chuàng)中只有3個（“他、我、你”），非文學(xué)原創(chuàng)和非文學(xué)翻譯各僅一個人稱代詞。這說明，文學(xué)翻譯中主要人稱代詞的使用頻率高于其它所有語料庫，這為“指代顯化”提供了另一證據(jù)。Laviosa用高頻詞（即最常用的詞語）的范圍來考察英語翻譯敘事文的詞語使用的模式。她提出并驗證了翻譯英語中高頻詞所占比率高于非翻譯英語，詞頻最高的表頭(listhead)占更高的比率，但詞目(lemma)數(shù)量卻更少(1998:6-8)。漢語翻譯語料中的高頻詞是否也有同樣的特點呢？我們分析了各詞表中不同詞頻段的高頻詞數(shù)量和頻率。圖3顯示的是各子語料庫詞表中詞頻高于1%，0.5%-1%，0.4%-0.5%，0.3%-0.4%，0.2%-0.3%，0.1%-0.2%的詞語數(shù)量。我們可以看到各子語料庫中詞頻高于0.1%的高頻詞數(shù)量分布。漢語文學(xué)語料和非文學(xué)語料中，翻譯漢語高頻詞數(shù)量特征是一致的——翻譯漢語中高頻詞（常用詞）的數(shù)量少于原創(chuàng)漢語。這表明翻譯漢語傾向于重復(fù)使用較少數(shù)量的常用詞。這一特征與Laviosa(1998)所說的“英語翻譯小說詞匯模式”是一致的。表4：各子語料庫詞表前10位漢語文學(xué)原創(chuàng)漢語文學(xué)翻譯漢語非文學(xué)原創(chuàng)漢語非文學(xué)翻譯頻率%頻率%頻率%頻率%的220414.78%的380175.97%的214256.71%的379997.73%了128142.78%了154762.43%是55891.75%在79641.62%不81821.77%他154462.43%和53061.66%是78521.60%是79201.72%我118591.86%了42901.34%了56261.15%他76661.66%是104591.64%在39491.24%一52991.08%一63221.37%在102321.61%中國37871.19%和52131.06%我50521.10%一86991.37%不31891.00%不35750.73%在47101.02%不73951.16%我們27200.85%有30960.63%著42000.91%你60940.96%有24190.76%人30070.61%你41220.89%她57130.90%人民22750.71%他29870.61%圖3：各語料庫高頻詞數(shù)量比較圖4：各語料庫詞表高頻詞比較另外，這些高頻詞的使用頻率與各子語料庫總詞頻的比例有何差異？我們分別統(tǒng)計了各子語料庫詞表中排名前10位、30位、50位和100位的類符在總詞頻中的比例（圖4）。該圖可作如下分析：(1)各階段高頻詞頻率漢語文學(xué)語料均高于非文學(xué)語料，這說明文學(xué)文本與非文學(xué)文本相比，常用詞更多；(2)文學(xué)語料中，翻譯漢語各階段高頻詞頻率均高于原創(chuàng)漢語，即文學(xué)翻譯文本使用更多常用詞；(3)非文學(xué)語料中，翻譯漢語各階段高頻詞頻率均低于原創(chuàng)漢語，即非文學(xué)翻譯文本常用詞更少，但差距不明顯。上述分析說明：文學(xué)翻譯語料中使用的常用詞匯數(shù)量更少，而使用頻率更高，但非文學(xué)翻譯語料似未呈現(xiàn)同樣趨勢。換言之，詞表頻率分析告訴我們：在進行英漢文學(xué)翻譯時，譯者群體有意或無意地重復(fù)使用了較少數(shù)量的常用詞語。我們認為這一特征支持翻譯漢語簡化和范化假設(shè)——常用詞增加，文本獨特性減少，文本難度降低，可接受性提高。不過，值得注意的是，非文學(xué)翻譯語料只是部分支持這一假設(shè)。如前所述，這可能是受語料選材的影響，希望以后的研究能更多關(guān)