基于.NET的新能源中日對譯語料庫設(shè)計與實現(xiàn)

李戰(zhàn)軍，梁曉暉，王新文，馬曉濤

（河北軟件職業(yè)技術(shù)學院 軟件工程系，河北 保定 071000）

0 引言

近年來，面對傳統(tǒng)能源供需失衡、全球氣候日益變暖的嚴峻局勢，世界各國紛紛加大對新能源開發(fā)與利用的力度。我國具有豐富的新能源和可再生能源資源，如何利用這個寶庫已經(jīng)成為科技工作者面臨的重要任務(wù)，而參考和閱讀國外在這方面研究走在前列的專業(yè)文獻更是必不可少的重要環(huán)節(jié)。

語料庫是指存放在計算機里的大量原始語料文本或經(jīng)過加工后帶有語言學信息標注的文本。它是一個龐大的語言素材的集合體，主要用于觀察、分析和研究目標語的各種特征。語料庫揭示最典型的語言特征，反映語言的真實面貌和實際運用規(guī)律[1]?；谡Z料庫的翻譯研究能使我們簡潔、有效地進行編碼，能使我們查詢并獲得大量的數(shù)據(jù)[2]。

基于.NET的新能源中日語料庫旨在通過搜集整理新能源方面的日語語料及對照的中文翻譯，為我國從事新能源工作的科技人員提高外文文獻的閱讀效率提供幫助。

1 可行性分析

基于語料庫的翻譯研究（Corpus_Based Translation Studies：CBTS）已成為當今翻譯研究領(lǐng)域中一種新的研究范式，在理論、描寫和應(yīng)用等層面對翻譯研究和翻譯教學以及翻譯培訓(xùn)起著越來越重要的作用，并激發(fā)了眾多學者對相關(guān)問題進行研究的濃厚興趣[3]。正因為如此，與之相關(guān)的各種語言學理論和算法層出不窮，并日臻成熟。

語料庫的創(chuàng)建與實現(xiàn)離不開計算機技術(shù)的支持，如今應(yīng)用廣泛的基于B/S架構(gòu)的Web2.0技術(shù)能夠充分滿足語料庫應(yīng)用軟件的需求[4]。業(yè)界已經(jīng)有采用相關(guān)技術(shù)開發(fā)語料庫的成功案例。微軟公司的.NET框架是一種全新的強大的計算平臺，它簡化了在高度分布式Internet環(huán)境中的應(yīng)用程序開發(fā)，在Microsoft.NET框架下，建立大型的Web應(yīng)用和Web服務(wù)變得更加便捷?；贑#語言的ASP.NET技術(shù)以其功能強大、開發(fā)效率高，日益成為廣大.NET程序員的首選技術(shù)組合。因此，無論是從語料庫行業(yè)技術(shù)方面還是計算機技術(shù)支持層面，該項目的開展都是可行的。

2 需求分析

創(chuàng)建基于.NET的新能源中日語料庫，目的是利用Web2.0及微軟的.NET技術(shù)，收集整理關(guān)于新能源領(lǐng)域的日語科技語料，并提供對應(yīng)的中文翻譯及檢索功能，為該領(lǐng)域內(nèi)的廣大科技工作者閱讀和翻譯相關(guān)文獻提供快速而準確的幫助。

概括來講，系統(tǒng)主要由三大模塊組成：后臺語料管理模塊，前臺語料檢索模塊，安全管理模塊。圖1為系統(tǒng)總體結(jié)構(gòu)框圖[4]。

（1）后臺語料管理模塊主要負責語料庫基礎(chǔ)配置、語料的提取、規(guī)范化、清洗，以及語料的錄入、刪除、修改等功能，最終形成語料庫。其中，語料庫基礎(chǔ)配置為超級管理員提供了語料基礎(chǔ)信息配置的接口。而其他功能則為普通工作人員所用。

（2）前臺語料檢索模塊主要負責語料的檢索功能。為提高檢索的質(zhì)與量，系統(tǒng)提供了模糊查詢和多關(guān)鍵字查詢功能。

（3）安全管理模塊通過認證與授權(quán)，主要負責系統(tǒng)的安全管理，包括用戶信息的管理。

圖1 系統(tǒng)結(jié)構(gòu)圖

3 系統(tǒng)設(shè)計

3.1 開發(fā)工具

系統(tǒng)采用Microsoft公司的Visual Studio 2010開發(fā)平臺，采用的語言是為.NET平臺量身定制的C#語言，采用的Web服務(wù)器是Internet信息服務(wù)（IIS）6.0 版本。數(shù)據(jù)庫采用的是 Microsoft公司的SQL Server 2008。

3.2 開發(fā)模式

系統(tǒng)采用MVC設(shè)計模式。MVC是Model（模型）－View（視圖）－Controller（控制器）的簡稱，最先被用在第一代基于視窗的計算機上管理GUI和用戶交互，近些年開始被推薦應(yīng)用在J2EE平臺上。隨著ASP.NET技術(shù)在大型Web應(yīng)用上的地位得到鞏固，MVC這個最廣為人知、最著名的設(shè)計模式在.NET平臺上也逐漸開始得到應(yīng)用，并已成為當今設(shè)計交互式應(yīng)用事實上的標準。MVC模式通過區(qū)分各個層，允許組成每個層的各個組件間松散耦合。這不僅使得程序開發(fā)更加靈活，而且可以減少重復(fù)性代碼，實現(xiàn)代碼重用。

本系統(tǒng)主要由Model實體層、DBUtility數(shù)據(jù)訪問抽象類、CommonLib通用功能抽象類、DAL數(shù)據(jù)訪問層、BLL業(yè)務(wù)邏輯層、UI層組成。

4 系統(tǒng)實現(xiàn)

4.1 數(shù)據(jù)庫設(shè)計

考慮系統(tǒng)安全機制及業(yè)務(wù)需求，系統(tǒng)建立了兩個數(shù)據(jù)庫。新建一個登陸的數(shù)據(jù)庫ASPNETDB.MDF用來存放管理員賬號信息。然后再新建一個數(shù)據(jù)庫Corpus.mdf來存放語料庫相關(guān)信息[5]。語料庫數(shù)據(jù)庫主要由三張表組成：Citems存放語料信息，Cproperties存放語料屬性相關(guān)信息，Cresource存放語料來源相關(guān)信息，其中后兩者主要考慮到系統(tǒng)的可配置性和可擴展性。

4.2 安全機制

系統(tǒng)主要采用基于角色的安全機制。根據(jù)業(yè)務(wù)需求，系統(tǒng)用戶分為三大角色：超級管理員，普通工作人員，用戶。以下為各個角色的用例圖。

技術(shù)實現(xiàn)上采用VS系統(tǒng)自帶的基于membership的認證和授權(quán)，通過web.config配置文件實現(xiàn)各個角色的安全訪問范圍，其中需要注意角色大小寫是敏感的。核心配置語句如下：

圖2 系統(tǒng)用例圖

4.3 可配置性與可擴展性

為了提高可維護性與可擴展性，系統(tǒng)在數(shù)據(jù)表設(shè)計上特意留出了擴展字段，可以非常輕松地擴展為多語種語料庫，或者變換為其他語種語料庫。

為了提高靈活性，系統(tǒng)提供了可配置功能，用戶可以根據(jù)實際情況配置語料特性，設(shè)置語料來源。

4.4 檢索算法

為了實現(xiàn)檢索的準確性與靈活性，系統(tǒng)提供精確檢索和模糊檢索兩種檢索機制，并提供多關(guān)鍵字檢索。檢索字符串可以是簡體漢字的任意字符串，符合檢索條件的語料樣本均可分面顯示出來。顯示檢索結(jié)果時，檢索關(guān)鍵字紅色高亮顯示，以便快速找到關(guān)鍵詞在語料中的位置。所有檢索結(jié)果允許復(fù)制或保存。

4.5 網(wǎng)頁編碼技術(shù)

為了使語料庫具有廣泛的通用性和較強的兼容性，中文語料采用了GB2312內(nèi)碼存儲，日文語料采用了SHIFTJIS內(nèi)碼存儲。這樣，既可以適應(yīng)各種版本的Windows平臺，并且經(jīng)過簡單轉(zhuǎn)換以后又可以在其他平臺（如UNIX、LINUX）上使用，以提高語料庫的應(yīng)用價值和學術(shù)價值，并為最終實現(xiàn)中日文同屏顯示和多功能檢索打好基礎(chǔ)[6]。

5 結(jié)語

隨著能源危機的出現(xiàn)，新能源日益成為世界各國的研發(fā)重點，基于.NET的新能源中日語料庫研制目標就是幫助我國相關(guān)領(lǐng)域技術(shù)人員迅速方便地查閱日文文獻。本文介紹了一種基于.NET技術(shù)的新能源中日語料庫系統(tǒng)的設(shè)計與實現(xiàn)過程，對相關(guān)領(lǐng)域的研究與應(yīng)用發(fā)揮了積極作用。

［1］劉連勇，孟昭寬.基于Web的聽力教學語料庫的設(shè)計與實現(xiàn)［J］.現(xiàn)代教育技術(shù)，2011，21（7）.

［2］郝玉榮，羅桂保.國內(nèi)語料庫翻譯研究現(xiàn)狀綜述［J］，隴東學院學報，2010，21（4）.

［3］楊曉軍.基于語料庫翻譯研究和譯者教育［J］.外語教學與研究，2007，（10）：51-55.

［4］郭小瑛，曾廣平.基于Web2.0的數(shù)據(jù)集成系統(tǒng)設(shè)計與實現(xiàn)［J］.微電子學與計算機，2008，25（6）.

［5］岳曉光，梁曉誠，麥范金，趙子強.基于.NET的中文分詞系統(tǒng)設(shè)計與實現(xiàn)［J］.微計算機信息（管控一體化），2010，26（4-3）.

［6］王克非.雙語對應(yīng)語料庫研制與應(yīng)用［M］.北京：外語教學與研究出版社，2004.