雙語對齊工具應(yīng)用性對比研究

黃旦華

(浙江越秀外國語學(xué)院 英語學(xué)院，浙江 紹興 312000)

CAT(計算機(jī)輔助翻譯)工具的核心是翻譯記憶庫(Translation Memory，TM) 。 利用CAT 工具能夠高效完成翻譯，其實質(zhì)就是利用了翻譯記憶技術(shù)[1]。 CAT工作原理是用戶利用已有的源語和目標(biāo)語，建立起一個或多個翻譯記憶庫，在翻譯過程中，系統(tǒng)自動搜索翻譯記憶庫中相同或相似的翻譯資源，給出參考譯文，幫助用戶避免無謂的重復(fù)勞動，只需要專注于新內(nèi)容的翻譯[2]。 獲得翻譯記憶庫的方法有很多，一種是通過使用CAT工具在翻譯項目中新建翻譯記憶庫，完成翻譯后將譯文更新至翻譯記憶庫獲得高質(zhì)量的翻譯記憶庫，并在后期翻譯項目中不斷豐富拓展。 另外一種是雙語文檔對齊，將已有的源語文檔以及翻譯后的高質(zhì)量的目標(biāo)語文檔通過雙語對齊工具對齊，也就是原文與譯文在兩個文件中對齊，然后轉(zhuǎn)換成特定格式的翻譯記憶庫。

一、 雙語對齊技術(shù)在翻譯領(lǐng)域的應(yīng)用

(一)雙語對齊技術(shù)應(yīng)用于翻譯實踐

我們似乎已經(jīng)來到一個“無技術(shù)不翻譯”的時代[3]。 CAT 工具本身具有對齊功能，可以幫助譯者將翻譯過的句段存入數(shù)據(jù)庫，并自動生成翻譯記憶庫，翻譯時CAT 工具會自動進(jìn)行檢索匹配為譯者提供翻譯參考，避免重復(fù)勞動。 隨著翻譯的積累，記憶庫的內(nèi)容也不斷更新豐富，從而為譯者提供更多相匹配的翻譯，極大提高了翻譯效率[4]。 在擁有高質(zhì)量的雙語文本的情況下，還可以通過對齊工具將雙語文本對齊制作成翻譯記憶庫，通過CAT工具運用于翻譯項目，幫助譯者提高翻譯的效率與質(zhì)量，保證譯文整體風(fēng)格的一致。 譯者還可以對翻譯記憶庫進(jìn)行編輯管理，使其成為寶貴的語言資產(chǎn)。

(二)雙語對齊技術(shù)應(yīng)用于翻譯教學(xué)

通過使用雙語對齊工具對雙語文檔進(jìn)行對齊，導(dǎo)出生成的高質(zhì)量的雙語文檔或多語文檔可作為寶貴的翻譯教學(xué)資料，教師可將其作為教學(xué)素材對比雙語句段的詞法、 句法、 結(jié)構(gòu)及思維，分析、 歸納、 總結(jié)翻譯中使用的技巧與策略。 也可以作為翻譯練習(xí)的素材，將學(xué)生的翻譯與雙語文檔中的目標(biāo)語進(jìn)行對比分析，通過練習(xí)找出自身翻譯的薄弱點，幫助學(xué)生提高翻譯能力和改進(jìn)翻譯技能。 雙語對齊技術(shù)本身是CAT技術(shù)教學(xué)的一部分，幫助學(xué)生熟練掌握雙語對齊技術(shù)是提高學(xué)生翻譯技術(shù)素養(yǎng)的重要內(nèi)容，提高學(xué)生翻譯能力的同時提高學(xué)生的翻譯技術(shù)能力。 語料對齊還應(yīng)用于翻譯自動評分系統(tǒng)，有效降低了閱卷成本，提高了評分的客觀性和準(zhǔn)確度[5]。

(三)雙語對齊技術(shù)用于翻譯研究

雙語對齊技術(shù)也是語料庫制作中一個重要關(guān)鍵技術(shù)，語料庫研究的領(lǐng)域非常廣泛，可用于詞匯、 句法、 語義、 語用、 機(jī)器翻譯、 AI語音識別合成等研究領(lǐng)域。 雙語對齊技術(shù)也廣泛運用于詞匯對齊、 句子對齊和段落對齊。 句子對齊的方法也從早期的基于長度的方法、 基于詞匯的方法到后來的混合法[6]。 甚至神經(jīng)機(jī)器翻譯、 人工智能技術(shù)已應(yīng)用語料對齊，極大提高了對齊的效率與質(zhì)量。

二、 雙語對齊工具分類

王華樹等將雙語對齊工具分為四類： 嵌入式對齊工具、 獨立式對齊工具、 在線對齊工具、 開源對齊工具[7]。 該分類方法比較全面，但是分類的標(biāo)準(zhǔn)不統(tǒng)一，前三個工具分類的標(biāo)準(zhǔn)是基于操作界面進(jìn)行分類，而最后一個分類的標(biāo)準(zhǔn)是基于是否開源。 本文采用統(tǒng)一的分類標(biāo)準(zhǔn)，即是否依靠網(wǎng)絡(luò)進(jìn)行分類，將對齊工具分為在線對齊工具以及單機(jī)對齊工具。 在線對齊工具的正常使用需要依靠網(wǎng)絡(luò)，沒有網(wǎng)絡(luò)，則無法完成對齊任務(wù)； 而單機(jī)對齊工具不依靠網(wǎng)絡(luò)即可使用。 嵌入式、 獨立式和開源對齊工具都是獨立在電腦上運行，不依靠網(wǎng)絡(luò)，因此都是單機(jī)對齊工具。

三、 研究文本及研究對象

本研究選取法律、 政治、 演講文本。 法律文本為2021年修訂的《中華人民共和國民辦教育促進(jìn)法實施條例》中文文本，字?jǐn)?shù)為10636，使用機(jī)器翻譯獲得譯文； 政治文本為《中國共產(chǎn)黨第十九屆中央委員會第六次全體會議公報》中文文本，字?jǐn)?shù)為7452，譯文為網(wǎng)上搜索獲得； 演講文本為《小布什在老布什葬禮上的悼詞》中文文本，字?jǐn)?shù)為2776。

研究對象為6款雙語對齊工具，分別是Trados2017版, ABBYY Aligner2.0版, Transmate7.3版, Heartsome TMX Editor8.0版，Tmxmall, 以及Matecat Aligner。

Trados 1984年誕生于德國，為付費單機(jī)軟件。 它具有雙文檔對齊功能，支持世界上200多種語言，支持導(dǎo)入20種格式的文件，對齊后可以導(dǎo)出為sdltm、 sdlxliff、 sdlalign共3種格式的文件。 Trados先后被SDL公司和RWS(如文思)公司收購，雖然其作為CAT工具在全球市場占有重要席次，Trados Studio本身內(nèi)嵌有雙語對齊功能，但其用戶體驗并不友好，對齊需要較多的人工干預(yù)，繁瑣耗時，經(jīng)過實踐測試2017版Trados能夠兼容tmx格式的記憶庫，而2021版的Trados則不能兼容tmx格式的記憶庫，只支持Trados 專有的sdltm格式的翻譯記憶庫, 兼容性不好。

ABBYY Aligner是俄羅斯ABBYY 公司旗下的產(chǎn)品，支持雙文檔對齊，為付費單機(jī)軟件，購買后可以長期使用。 支持世界上24種語言，支持導(dǎo)入21種格式的文件。 完成對齊后可以導(dǎo)出為tmx和rft 共2種格式的文件。 操作界面簡潔，有多種方式導(dǎo)入雙語文檔，第一種是直接將雙語文檔分別拖進(jìn)源語文本框和目標(biāo)語文本框； 第二種是直接將雙語文檔的內(nèi)容復(fù)制到源語文本和目標(biāo)語文本框中； 第三種是在“文件”欄中導(dǎo)入雙語文檔，導(dǎo)入之后點擊“對齊”即可完成初步對齊，對于可能沒有對齊的句段，系統(tǒng)會自動標(biāo)注紅色提示，方便用戶進(jìn)行編輯，對于沒有對齊的句段，可以通過軟件刪除多余空白的句段，也可以合并和拆分句段。 完成后可以導(dǎo)出為tmx格式的記憶庫，可應(yīng)用于主流的CAT工具中進(jìn)行輔助翻譯。

Transmate軟件是一款國產(chǎn)免費單機(jī)軟件，其本身是一款CAT工具，目前已經(jīng)停止更新維護(hù)，但可正常使用。 軟件本身內(nèi)嵌了語料對齊功能。 除了支持雙文檔對齊，它還支持單文檔對齊，也就是將原文與譯文以上下/左右對照的形式在單個文件中對齊，可以將原文/譯文位置進(jìn)行互換，不能通過復(fù)制粘貼的方式導(dǎo)入雙語文檔。 支持世界上13種語言，支持導(dǎo)入3種格式的文件。 完成對齊后除了可以導(dǎo)出為tmx格式的文件，它還可以導(dǎo)出為Transmate特有的uetm格式文件，因此該記憶庫僅能在Transmate中使用。 此外它還有對文檔進(jìn)行檢索的功能。

Heartsome TMX Editor 是一款國產(chǎn)免費單機(jī)軟件，僅支持單文檔雙語對齊，支持世界上200多種語言，支持導(dǎo)入5種格式的文件。 對齊后可以導(dǎo)出為docx、 xlsx、 txt、 tbx、 hstm共5種格式的文件。 它集成了多種功能，可以對tmx格式的翻譯記憶庫進(jìn)行批量編輯是該工具的一大特色，可以將較大的記憶庫拆分為多個較小的翻譯記憶庫，也可以將多個記憶庫合并成一個記憶庫，可以批量刪除記憶庫中的標(biāo)簽。 它的QA(Quality Assurance)功能十分方便，比如標(biāo)記一次性檢查，數(shù)字一次性檢查，段首/段末空格，未翻譯，原文相同、 譯文不同，譯文相同、 原文不同，原文譯文相同等功能； 過濾器功能也是其一大特色。

Tmxmall 是一款國內(nèi)在線智能翻譯管理平臺，具有雙語對齊功能，支持雙文檔和單文檔對齊。 它無需在電腦上安裝軟件，直接打開官網(wǎng)注冊后登錄賬戶即可使用，操作界面比較簡單。 支持世界上46種語言，支持導(dǎo)入docx、 xlsx、 pptx、 pdf、 txt等36種格式的文件； 支持導(dǎo)出為tmx、 xlsx、 txt、 docx共4種格式的文件。 Tmxmall可以通過去除原文譯文相同的句段，去除一句多譯以及一鍵去重，提高對齊語料的質(zhì)量，通過黃綠兩色區(qū)分原文奇偶數(shù)段，提高了對齊的準(zhǔn)確率，可以快速改變語言對方向，從而改變記憶庫語言對的方向。 還可以基于神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行術(shù)語提取，在記憶庫制作完成的基礎(chǔ)上可實現(xiàn)雙語術(shù)語的智能提取。 使用需要依靠網(wǎng)絡(luò)，可以免費使用編輯，但導(dǎo)出翻譯記憶庫則需要付費。

Matcat Aligner 是一款國外的在線對齊工具，支持雙文檔對齊，支持世界上200多種語言，支持導(dǎo)入69種格式的文件； 僅支持導(dǎo)出為tmx格式的文件。 操作比較簡單，導(dǎo)入源語文檔和目標(biāo)語文檔，或者直接拖拽，具備簡單的合并句段、 拆分句段、 刪除句段等功能，用戶界面友好。 導(dǎo)入文件后，該工具無法自動識別文檔的語言，需要手動設(shè)置語言對。

四、 雙語對齊工具的對比

(一)便利性

雙語對齊工具的設(shè)計本身就是為了提高語料對齊的效率與質(zhì)量，從操作的流程及耗時進(jìn)行評判。 ABBYY Aligner、 Transmate的便利性最高，軟件安裝好后可一直使用，操作流程簡單。 其次是Tmxmall和Matecat Aligner，使用需要登錄賬戶，需要網(wǎng)絡(luò)支持。 Matecat Aligner雖然操作界面簡單，但每次使用均需手動選擇文檔的語言對。 排在最后的是Trados 和Heartsome TMX Editor。 Trados本身內(nèi)嵌的對齊工具界面非常不友好，使用過程中需要花費大量的時間進(jìn)行人為干預(yù)對齊，需要頻繁使用鼠標(biāo)進(jìn)行編輯； 而Heartsome TMX Editor不支持導(dǎo)入雙文檔，只支持單文檔導(dǎo)入，這就需要在導(dǎo)入之前將雙語文檔合并在一個文檔中，過程比其他的工具復(fù)雜。

(二)斷句準(zhǔn)確率

統(tǒng)計3種文體的句段，以句號、 分號、 問號、 感嘆號來對原文斷句。 句段數(shù)法律為239，政治為81，演講為103。 將上述工具斷句后的結(jié)果與人工統(tǒng)計斷句的結(jié)果進(jìn)行對比，離原文斷句數(shù)越接近，則表明斷句準(zhǔn)確率越高； 反之?dāng)嗑錅?zhǔn)確率則越低。 三種文本均為Word文件格式docx , 在Word 中通過查找以上標(biāo)點符號及段落標(biāo)志的方式人工統(tǒng)計原文的句段數(shù)。 然后將3種文本導(dǎo)入6種不同的工具中進(jìn)行對齊，統(tǒng)計工具對齊后的句段。 通過將不同對齊工具切分的句段數(shù)與人工統(tǒng)計的句段數(shù)對比，統(tǒng)計公式如下：

以下所有統(tǒng)計保留小數(shù)點后一位，采取四舍五入制。 通過公式計算，如表1所示。 法律文體中，有四款工具的斷句準(zhǔn)確率達(dá)到了93%以上。 準(zhǔn)確率最高的工具是Tmxmall以及Matecat Aligner，結(jié)果均是93.7%。 最低的是Transmate和 Heartsome TMX Editor，均為78.2%。

表1 原文斷句準(zhǔn)確率

在政治文體中，斷句準(zhǔn)確率最高的工具是ABBYY Aligner，達(dá)到了92.6%； 最低的是Transmate和 Heartsome TMX Editor，均為32.1%。

在演講文體中，斷句準(zhǔn)確率最高的工具是Trados和Matecat Aligner，均為100%； 最低的是Transmate 和 Heartsome TMX Editor，均為32%。

上述三種文體對齊的結(jié)果顯示，Trados、 Matecat Aligner的斷句準(zhǔn)確率均達(dá)到90%以上； ABBYY Aligner 和Tmxmall在兩種文體的對齊上均達(dá)到了90%以上，一種文體為80%以上，表現(xiàn)不俗。 綜合來看，6款對齊工具的斷句準(zhǔn)確率從高到低依次為：Trados, Matecat Aligner, ABBYY Aligner, Tmxmall, Transmate, Heartsome TMX Editor。 Transmate、 Heartsome TMX Editor排名相同，并列最后。

(三)對齊準(zhǔn)確率

如表2所示在法律文本對齊實驗中，表現(xiàn)最佳的是Tmxmall和Matecat Aligner，分別對齊了224句、 216句，對齊率為100%及96.4%。 Trados對齊的句段數(shù)為0，排名最后。 Transmate 和Heartsome TMX Editor的斷句數(shù)量比較接近，通過在Word中使用通配符段落標(biāo)記^p進(jìn)行查找，發(fā)現(xiàn)有188個段落標(biāo)記，而這兩款工具句段切分?jǐn)?shù)是187，與其比較接近，由此可見這兩個工具的斷句規(guī)則是基于段落標(biāo)記。

表2 法律文本對齊數(shù)據(jù)

如表3所示在政治文本中Transmate、 Heartsome TMX Editor、 Tmxmall的中英文斷句數(shù)基本一致，對齊準(zhǔn)確率達(dá)到了100%，Tmxmall將雙語文檔分割為72個句段。 而Transmate 和Heartsome TMX Editor將雙語文檔分割為26個句段，采用上述方法對雙語文檔進(jìn)行搜索，發(fā)現(xiàn)中英雙語文檔各有27個段落標(biāo)記，因此可以推斷這兩款工具采用的斷句原理仍是按照段落標(biāo)記進(jìn)行分割對齊，嚴(yán)格來說，這兩款工具只是實現(xiàn)了段落對齊，不是真正意義上的句段對齊。 在對齊政治文本上，Tmxmall的對齊準(zhǔn)確度最高，Trados的對齊準(zhǔn)確度最低。

表3 政治文本對齊數(shù)據(jù)

如表4所示在演講文本中，Trados 和ABBYY Aligner對源語文本的句段分割數(shù)量最多，均為103，最少的是Transmate和Heartsome TMX Editor僅為33。 只有Tmxmall、 Transmate、 Heartsome TMX Editor3款工具全部實現(xiàn)了雙語句段的對齊，但是從切分句段數(shù)來看，采用上述相同的方法驗證，發(fā)現(xiàn)Transmate 和Heartsome TMX Editor實際上只是實現(xiàn)了段落對齊。 Tmxmall將雙語文檔切分成95個句段，且全部實現(xiàn)了對齊，整體而言Tmxmall對齊準(zhǔn)確度最高，Trados最低，僅對齊了18個句段。

表4 演講文本對齊數(shù)據(jù)

將上述三種文本的中英文雙語文檔分別導(dǎo)入6種對齊工具進(jìn)行自動對齊，由于每個工具對齊的規(guī)則和算法不盡相同，在沒有人工干預(yù)自動對齊的情況下，不同工具切分的句段數(shù)不一樣，對齊的結(jié)果也不一樣。 對齊準(zhǔn)確率計算公式如下：

句段數(shù)以工具自動切分為準(zhǔn)，對齊由工具自動完成，沒有進(jìn)行人為干預(yù)，按照公式進(jìn)行計算，具體結(jié)果見表5。

表5 雙語文本對齊準(zhǔn)確率

上述實驗結(jié)果顯示Trados 和Matcat Aligner的斷句準(zhǔn)確率排名第一、 第二。 斷句規(guī)則較為科學(xué)，斷句合理，但無法自動完成對齊，對齊效果非常不理想，這意味著后期需要進(jìn)行大量的人為干預(yù)進(jìn)行對齊。 從句段對齊的準(zhǔn)確率來看這兩款工具排名最后。

Transmate 和Heartsome TMX Editor雖然對齊準(zhǔn)確率較高，但其對齊的規(guī)則是基于段落的對齊，實際上只是完成了較高質(zhì)量的段落對齊，盡管在法律文本中的句段分割數(shù)較高，但只是碰巧法律文本的句號和段落標(biāo)記一致。 因此使用這兩款軟件進(jìn)行雙語對齊，也需要對文檔進(jìn)行更多的人為干預(yù)處理，否則無法制作成較高質(zhì)量的基于句段對齊的翻譯記憶庫。

因此，綜合考量表1及表5中的數(shù)據(jù)，嚴(yán)格意義上來講 Tmxmall的句段對齊質(zhì)量在所有的軟件中最高，無需安裝軟件，不足之處在于網(wǎng)絡(luò)狀態(tài)不好，或者沒有網(wǎng)絡(luò)的情況下，將影響其正常使用，每次導(dǎo)出記憶庫均需付費。 ABBYY Aligner整體的對齊質(zhì)量位列第二，使用時無需依賴網(wǎng)絡(luò)。 Trados雖然是行業(yè)領(lǐng)先的CAT工具，但其雙語對齊質(zhì)量在所有軟件中排名最后。

綜上所述，本文研究了6款雙語對齊工具的對齊效率與質(zhì)量。 通過實驗，計算、 統(tǒng)計、 分析了斷句的準(zhǔn)確率和對齊的準(zhǔn)確率，最終得出結(jié)論，對選擇雙語對齊工具提供借鑒與參考。 本研究也存在一定的局限性，第一是工具的局限性，因為費用限制，沒有購買更多的工具進(jìn)行測試，同時使用的單機(jī)版的軟件也并非最新版本。 第二是文本的局限性，研究僅選擇了三種不同類型的文本。 第三是語言對的局限性，僅使用了中英雙語文本。 第四是標(biāo)簽統(tǒng)計的局限性，沒有研究對齊過程中產(chǎn)生的標(biāo)簽數(shù)量是否會影響對齊的效果。 上述因素有可能會影響雙語文本對齊的準(zhǔn)確率。 因此研究者還可就上述局限性，使用不同的工具，對不同語言、 不同體裁、 不同類型的雙語文本開展更為廣泛、 深入的研究。