翻译佛经语料库建设的必要性和可行性

更新于 2026年10月13日 版权声明
(二)翻译佛经语料库建设的必要性和可行性

上述语料库的建设,为翻译佛经语料库的建设提供了值得借鉴的宝贵经验以及所开发的某些工具,从而为翻译佛经语料库的建设提供了可能。

1.利用语料库进行语言研究的优势

使用计算机先进技术建设的语料库,库存容量大,信息提取快速准确,可以大幅度地提高研究功效,其效率是人工例证所无法比拟的。如于根元主编的《现代汉语新词词典》,12年间共收集3710条新词;而利用计算机对7年间的《人民日报》《经济日报》等2亿字的语料库进行分析,辅以人工甄别,收集11万条新字词,可在数周内完成[13],其效率显而易见。

计算机语料库的客观性还有助于避免研究者的主观性。计算机对语料的检索依靠的是软件,采用的是自动随机采样的方式,其优点是随机性强、覆盖面广,从而可以克服人工采样时由于研究者个人习惯而对采样结果的影响,因此可以在一定程度上避免采样的主观性。比如我们以前在研究中古翻译佛经中复音词结构模式及语义构成时,由于没有计算机辅助,只得采用“解剖麻雀”的方式,仅对某几部佛经如《百喻经》《杂宝藏经》《贤愚经》中的复音词进行穷尽统计,要做成千上万张卡片——这样的工作量已经不算小了。如果借助于语料库,我们就能更容易、准确地获得统计数据,且所统计的佛经应该不只是这几部,还可以包括经、律、论藏中同时期的其他翻译佛经。显然,这样的抽样,更能提高研究的准确性。

语料库的建设不仅可为语言研究提供便利,同时也会带来研究方法上的革命。语料库语言学采用的是一种自下而上的基本研究方法。“一切问题探索都始于数据的观察和处理,体现为提取(extraction)—观察(observation)—概括(generalization)—解释(interpretation)这样的研究过程。”[14]具体来说,就是在利用语料库进行语言研究的时候,先使用检索工具提取出所需要的语言片段,然后通过对这些语言片段的使用频次进行统计,来揭示语言使用中的基本形式、句法功能、语义分布等规律,最终对研究对象做出翔实可信的解释。从某种意义上讲,这种研究也是一种描写式的语言研究;但跟传统意义上的描写相比,利用语料库进行描写的优势在于:①语料库可以提供大规模的、详尽的描述;②语料库提供的描述较为客观,受研究者个人的主观影响比较小;③对语言现象的解释“实事求是”,不一定使用现成的理论。语言研究的最终目的是解释语言现象,探索语言规律,但“解释必须是在正确的描写基础上进行的。如果对语言事实还没有弄清楚,或者对语言事实的把握不准确,那么,解释就无从谈起;如果基础不牢靠,那么,在此基础上的解释只是空中楼阁,再漂亮也没有实际价值”[15]。

简而言之,语料库研究方法就是定量与定性相结合的方法。以语词研究为例,定量分析指从语词的出现频率出发,对语词的用法、分布、搭配等情形做详尽分析;定性分析是在定量的基础上,对语词所反映的语言现象做出解释。

语料库研究方法的优势还在于语言研究者与计算机之间的互动:计算机在语料存储、语料标注、语料检索等方面可提供巨大支持,而语言研究人员也不再是传统意义上的单一的研究者,在语料库建设之初,研究者要从理论角度为语料库的建设制定规范;建成之后,研究者要负责语料库的维护、进一步开发;当然,更重要的是利用语料库语言研究来揭示语言的规律。可见借助语料库研究语言不仅是研究方法上的变革,也是研究领域上的拓展,而“语料库语言学”这门学科应运而生乃至今日方兴未艾,就是明证。

2.翻译佛经语料库建设的必要性和可行性

尽管利用语料库进行语言研究有很多优势和便利,但古汉语语料库的建设却相对滞后。相对现代汉语语料库,除台湾“中研院”平衡语料库收集了超过百万字次的古汉语语料外,其他古汉语语料库较为罕见。而现存的古籍资料光盘,如电子版的四库全书、全唐诗、全宋词、国学宝典等等,毕竟不是专业的语料库,它们只有简单的检索功能,没有语料库最基本的词语标注、检索运算等功能,不便于研究者的使用。

众所周知,汉语有着悠久的历史。“要研究汉语的历史发展,必须划定历史分期”,但是,“汉语的历史分期是一个复杂的问题,目前很难认识一致。一般来说,‘五四’以后,当然是现代汉语,鸦片战争至‘五四’是个过渡阶段,可以称作早期现代汉语。宋元以后至鸦片战争,可以称作近古汉语;魏晋至隋唐、五代是中古汉语;周秦两汉是上古汉语;殷商时代的甲骨文可以称作远古汉语(或前期上古汉语)”[16]。在整个汉语史研究中,中古时期的资料特别缺乏,好在,我们有翻译佛经这一大笔遗产。

佛经文献语言由于中古时期的佛教狂热,而对中土的全民语言产生巨大的影响,这已是不争的事实。尽管佛教语言本质上作为一种社会方言,从汉语史研究语料角度来说,佛经文献语言还存在诸多的不足,例如“文献语言在时间和空间这两个重要因素上的不确定性、文献在流传过程中发生的语言上的各种改变、早期文献的真伪阙失导致的语言面貌失真”[17]等等,但是翻译佛经语料所反映的口语性、俗语化、丰富性、完整性,却能弥补中古研究资料的不足。此外,翻译佛经文献的利用有力地推动了汉语历史语言学的进程,这也是不争的事实。20世纪80年代以来,利用汉语佛教文献进行汉语史研究的成果不胜枚举,据帅志嵩等《佛教汉语研究论著目录》的不完全统计,1980—2006年,学者在各类期刊公开发表的佛教汉语研究成果有千篇(种)以上[18],这是研究“刚性需求”的反映。所以,翻译佛经语料库建设的必要性,应该是毋庸置疑的。

那么,翻译佛经语料库建设的可行性又如何呢?

翻译佛经语料库的建设已有一定的基础,就以台湾中华电子佛典协会的《电子佛典集成》为例。近年来,CBETA(Chinese Buddhist Electronic Text Association)在佛典文本电子化方面,取得了突出的成就,共提供6套不同版本的电子版,即:

XML版(纯文字档,XML标记)

普及版(一般文字档)

APP版(“行末句点”格式之文字档)

RTF版(Rich Text格式,可在WORD或是WORDPAD中浏览)

HTMLHe1p版(具有目录、全文检索多功能)

HTML版(可以直接使用网络浏览器阅读)

使用者可以根据自己的需要来选择不同的版本,或再一次开发。《电子佛典集成》在技术上的处理考虑得非常细致。如在普及版和APP版中,每行行首都注明了册数、经文编号、页码、栏位、行数等信息,以方便读者复核。又如在HTMLHe1p版中,页面处理上的特点是,首先以《大正藏》的栏位为基准,每一栏处理成一页显示,以清眉目;其次为解决使用者来回翻页的麻烦与检索的不便,设计者将每页的最后二行重现在下一页的前面,并以蓝色字体显示。同时,这一版本还提供了线上佛学词典,极为方便周到。此外,电子版的《大正藏》还提供了一些组合检索方式,比如逻辑加减、字符距离、文本范围设定等等。

CBETA《电子佛典集成》最新版为2011版,这一版具有如下特点:

1)语料规模较大,内容丰富。目前,CBETA电子佛典2011版已收录的语料包括《大正新修大藏经》2373部8982卷、《卍新纂续藏经》1230部5066卷、《嘉兴大藏经》285部1659卷、《正史佛教资料类编》《藏外佛教文献》1—9辑、《北朝佛教石刻拓片百品》,合计超过一亿六千万字的XML格式经文。

2)检索功能较为强大。

如图10-8所示,2011版《电子佛典集成》具有以下检索功能:

①可以指定检索范围,包括按部类检索、按刊本顺序检索、按部类单经检索、按刊本单经检索四种设定检索范围的方式,基本上能满足研究者对检索范围的确定。

②可以在当前阅读的经目里进行全文检索。比如当前阅读的经目是《长阿含经》,如果想在其中检索“无常”一词,则可以选择“检索本经”一项。见图10-9。

③“检索查询经目”是结合“经目查询”功能使用的,在经目查询确定了经目范围后,再进行全文检索。

图示

图10-8 2011版《电子佛典集成》检索功能示例

图示

图10-9 全文检索功能示例

④“检索前次结果”是很实用的功能,在检索字串下拉菜单里,有以往检索内容,通过这个功能则可以重新定位以往的检索结果。见图10-10。

图示

图10-10 检索前次结果功能示例

⑤全文检索支持五种逻辑运算,包括:

a.Near运算:其使用符号为+

范例:佛陀+阿难

其意为当一篇文章同时出现“佛陀”与“阿难”,这两个词没有先后顺序的限制,但有距离的限制,只要距离小于在选项中的“Near运算的最大字数”,即符合所要寻找的数据。

b.Before运算:其使用符号为*

范例:佛陀*阿难

其意为当一篇文章同时出现“佛陀”与“阿难”,而且“佛陀”要在“阿难”之前,并且二者的距离小于在选项中的“Before运算的最大字数”,即符合所要寻找的数据。

c.And运算:其使用符号为&

范例:佛陀&阿难

其意为当一篇文章同时出现“佛陀”与“阿难”即可,没有顺序与距离的限制。

d.Or运算:其使用符号为,

范例:佛陀,阿难

其意为当一篇文章同时出现“佛陀”或“阿难”即可,没有顺序与距离的限制。

e.Exclude运算:其使用符号为—

范例:舍利—舍利弗

当一篇文章出现“舍利”,而且此词并不是“舍利弗”,即符合所要寻找的数据。[19]

3)阅藏系统较为完善。CBReader提供多种藏经阅读功能,内建繁体中文、简体中文、英文、日文操作界面。

4)电子词典方便实用。《电子佛典集成》有Star Dict支持,内含《汉英梵佛学词典》、梵汉藏蒙对译的《翻译名义大集》《五译合璧集要》《南山律学辞典》、丁福保《佛学大辞典》等。

尽管CBETA《电子佛典集成》在功能上堪称齐全,但这仅仅是大藏经的数字化而已,数字化的大藏经并不等同于翻译佛经语料库,这是因为:

1)建设的目标不同,数字化电子佛典的建设主要是为了文本的使用便利,而翻译佛经语料库建设的目的最终是为了汉语史的研究。

2)翻译佛经语料库的选材更为严格,要考虑到平衡性、通用性、历时性等基本要求。(https://www.daowen.com)

3)翻译佛经语料库的规模要远远大于CBETA电子佛典,除了《大正藏》《卍续藏》《嘉兴藏》外,它还可以录入大藏经刊刻史上曾经出现过的、包括国内外的各种藏经版本,例如《碛砂藏》《中华大藏经》等。

4)数字化电子佛典文本是一种静态的、封闭的文本,而翻译佛经语料库则是动态、开放的,它必须根据需要和加工的进展,不断增补新的语料。

5)翻译佛经语料库是在数字化电子佛典文本基础上的深加工,作为语料库的大藏经比数码化大藏经有许多深加工的内容,比如标注、切分、句法树等等。

6)翻译佛经语料库需要开发出一大批相关的工具软件。诚如方广锠所言:“数码时代我们衡量藏经的标准会发生全新的变化。将来的标准,既不是收经内容,也不是组织结构,更不是外部标志。所谓‘大藏经的三要素’,在大藏经数码化时期的高级阶段将被扬弃。衡量数码化时期大藏经水平高低优劣的主要标准,将是如下两条:第一,该大藏经蕴含信息量的多少。第二,该大藏经能为研究者提供一些什么样的研究工具,以及这些工具数量的多少与功能的强弱。这将是一个质的飞跃。”[20]

但是,文本的电子化却是语料库建设的必要步骤,我们完全有可能在原有的数字化电子佛典(例如CBETA《电子佛典集成》)的基础上建设好翻译佛经语料库。

此外,还值得介绍的是台湾法鼓佛教学院的“佛学数码工具资源的建构与研究”工作。[21]

1)已完成的佛学资料库

①汉文电子佛典资料库

②台湾佛教文献数码资料库

③丝路佛教数码资料库

④《瑜伽师地论》数码资料库

⑤《法华经》研究数码资料库

⑥当代文献书目资料库

⑦佛教藏经目录资料库

目前,在数字化典藏内容的累积上主要工作为:

①“量”的积累:全文资料的建构,进行佛学类辞书包括玄应《一切经音义》、慧琳《一切经音义》《翻译名义集》等文献的典藏,完成《翻译名义集》梵、藏、汉跨语词汇对照九千多笔,慧琳《一切经音义》三万两千多比词条等。

②“质”的提升:典藏文献全文标记,依循TEI/XML Metadata标准进行数字化文本内容标记。其中特别标注整理各词条解释中出现的经典、特殊描述、音讯记录等,同时收集《广韵》等古韵书资料,以作进一步整合研究。

2)建立数字化线上应用工具

①数码辞典工具:提供以“辞典抽辞”与佛典“统计抽词”两大部分为主以及多语词汇抽取的佛典语料库检索与应用服务。

②平行语料库:配合研究与教学,持续累积汉文多版本经文以及跨语对应的平行语料库。

③汉音检索资料库:配合典藏内容的工作,建立佛经内文的中古汉语语音的资料,再与传统的汉语音韵书籍进行对照应用。

④文本与词汇分析工具:以电子藏经全文及经录资料库为基础,应用信息统计技术、网际网络工具,加上GIS时空地理信息系统,尝试建立基础佛典文本分析工具。见图10-11。

图示

图10-11 基础佛典文本分析工具示例

⑤开发研究平台:典藏内容与信息服务提升,尝试将原本各自独立的典藏服务与资源整合,建构线上的“佛学研究平台”。

值得一提的是,2007年法鼓佛教学院执行的数字化典藏计划“佛教藏经目录资料库”已结题。此计划共数字化了二十二套藏经目录,其中包括藏文、巴利文、梵文及满文等各种语言的藏经目录,并将各套经录作了基本相关的连接。而此课题另一超越传统纸本经录的工作,就是将《大正藏》及《卍续藏》可靠的译经时间、地点建立后设资料,并将此资料与全文检索系统、时空地理系统结合,在网络上提供新的应用,即让使用者在检索全文的同时,得到欲搜寻词条的翻译时间、用法演变以及在地图上显示的大致的翻译地点。

另外,该团队在基于网络的经文文本统计分析上也有新的进展。2008年开发的“佛学工具资源”初步建立了文本分析工具的雏形,目前已开始与相关佛学学者互动

,如该团队与哈佛大学Dr.Michael Radich的互动,其过程是:

①研究者提供希望分析的文本范围,输入以下范例文字给资讯工具,例如:

Group1:

除了Group2,Group3以外所有《大正藏》内容

Group2:

T08n0237_p0762a07—T08n0237_p0766c11

T16n0677_p0711b28—T16n0677_p0714c10

……

Group3:

T01n0097_p0919b25—T01n0097_p0922a23

T16n0669_p0468a09—T16n0669_p0477c14

……

上述范例文字的意思是,使用者将佛典文字分成三组,这三组分别描述希望将电子大藏经中的哪几行到哪几行的文字内容分在同一组。

②研究者提供希望比对的组别,例如:

Group2 vs Group3

Group1 vs Group2

Group1 vs Group3

③研究者提供希望比对哪几种字串长度,例如:

单字词、双字词、三字词……(uni—gram~n—gram)

④信息系统依组别汇入文字,建立索引,计算统计:

目前能提供最基础的连续字串、字频统计,即出现多少单字,每个单字各出现几次,两个Groups间各自独有的单字是哪些,两个Groups间都出现的单字数量差别多少;然后依序进行双字、三字到n字词的计算。

⑤信息系统净化、整理所得资料,如根据Dr.Michael Radich回应的建议:

双字词以上的字频统计去掉只出现一次者,去掉较长字串中包含的短字串资料等。

⑥回传结果给使用者,如三部《法华经》部分双字字频记录,见表10-2:

表10-2 三部《法华经》部分双字字频记录

图示

以上所有统计资料的诠释和应用由使用者决定,该工具只专注于更有效率地提供符合使用者需要的比对材料。

他山之石,可以攻玉,其经验和做法应该是我们建设好翻译佛经语料库的借鉴和基础。

✍AI写作