張 暉

(全國科學(xué)技術(shù)名詞審定委員會(huì)，北京 100717)

一 收集整理規(guī)范詞異名的現(xiàn)實(shí)意義

根據(jù)筆者2012年對(duì)全國20多個(gè)省市自治區(qū)，100多家科研、教學(xué)、新聞出版、醫(yī)療等企事業(yè)單位的中、高級(jí)科技工作人員進(jìn)行的相關(guān)調(diào)查發(fā)現(xiàn)，超過90%接受書面訪談的受訪者對(duì)國家開展科技名詞規(guī)范化工作表示認(rèn)同，認(rèn)為這項(xiàng)工作對(duì)科技發(fā)展與交流具有基礎(chǔ)性作用。全國科學(xué)技術(shù)名詞審定委員會(huì)(以下簡稱全國科技名詞委)于近年專門成立宣傳與推廣部門，負(fù)責(zé)協(xié)調(diào)規(guī)范科技術(shù)語的宣傳與推廣工作，目前已基本形成以科技術(shù)語出版物、科技術(shù)語網(wǎng)絡(luò)服務(wù)、科技術(shù)語教育培訓(xùn)為主體，注重發(fā)揮媒體作用的宣傳與推廣格局。

現(xiàn)階段，科技工作者對(duì)人性化科技服務(wù)的需求日益增長，給規(guī)范科技術(shù)語的推廣工作提出了更高的需求。例如，新聞出版行業(yè)《圖書質(zhì)量管理規(guī)定》已明確規(guī)定:“工具書的科技條目、科技類教材、學(xué)習(xí)輔導(dǎo)書和其他科技圖書，使用科技術(shù)語不符合全國科技名詞審定委員會(huì)公布的規(guī)范詞計(jì)1個(gè)差錯(cuò)?！保?］但現(xiàn)實(shí)問題是，新聞出版行業(yè)從業(yè)人員在編校實(shí)踐中，往往需要關(guān)注的不是規(guī)范的科技術(shù)語，而是隱藏在各類出版物中需要及時(shí)加以糾正的不規(guī)范的科技術(shù)語。但由于不規(guī)范的科技術(shù)語與規(guī)范的科技術(shù)語在構(gòu)詞規(guī)則和用字規(guī)則上并無本質(zhì)區(qū)別，因而往往依賴編輯人員或?qū)徃鍖＜易陨淼目萍贾R(shí)積累加以判別，使得規(guī)范科技術(shù)語的推廣成本很高，效果不甚理想。

筆者認(rèn)為，規(guī)范科技術(shù)語的宣傳與推廣工作，如果著力解決此類面向?qū)嶋H應(yīng)用的現(xiàn)實(shí)課題，可以達(dá)到事半功倍的效果。從實(shí)際應(yīng)用的角度研發(fā)可以識(shí)別非規(guī)范術(shù)語的糾錯(cuò)工具，運(yùn)用于新聞出版、廣播電影電視、科技教育等領(lǐng)域，具有非常重要的現(xiàn)實(shí)意義。從現(xiàn)有技術(shù)上來講，糾錯(cuò)工具本身的技術(shù)并不復(fù)雜，糾錯(cuò)工具所依賴的規(guī)范詞異名庫的規(guī)模和質(zhì)量，才是決定糾錯(cuò)工具好與壞的核心指標(biāo)。

二 規(guī)范詞異名及其特征

異名，顧名思義，是指不同的名稱。從術(shù)語規(guī)范的角度出發(fā)，“異名”是與“正名”相對(duì)的概念。全國科技名詞委制定的《科技名詞審定原則與方法》(以下簡稱《原則》)中對(duì)什么是“正名”，什么是“異名”，有著相應(yīng)的界定:“一個(gè)概念有多個(gè)名稱時(shí)，應(yīng)確定一個(gè)名稱為正名，其他為異名(包括‘全稱’‘簡稱’‘又稱’‘俗稱’‘曾稱’等)。其中，‘正名’為公布的規(guī)范名，‘全稱’‘簡稱’為與正名等效使用的名詞，‘又稱’為非推薦名，只允許在特殊情況和一定范圍內(nèi)使用，‘俗稱’為非學(xué)術(shù)用語，‘曾稱’為已淘汰的舊名稱?！雹僦匀绱私缍?，是因?yàn)椤翱茖W(xué)技術(shù)名詞的規(guī)范和統(tǒng)一是一個(gè)漸進(jìn)的研究過程，對(duì)那些目前暫時(shí)無法做到一詞一義的名詞，應(yīng)采取在確定規(guī)范名的基礎(chǔ)上對(duì)其同義詞加以說明的方式，引導(dǎo)使用者逐步接受和正確使用規(guī)范名詞”［2］。簡而言之，《原則》中異名的產(chǎn)生，是通過漸進(jìn)途徑爭(zhēng)取術(shù)語統(tǒng)一的變通之舉，其數(shù)量有限。

本文所探討建立的面向應(yīng)用的規(guī)范詞異名庫所指的“異名”，是指與國家審定公布的規(guī)范科技術(shù)語“正名”表達(dá)相同概念，但詞形不同的非推薦名。其基本特征應(yīng)該包括以下3點(diǎn):(1)與“正名”指代相同概念;(2)與“正名”詞形有別;(3)不推薦使用。為了客觀認(rèn)識(shí)異名的產(chǎn)生過程并加以收集，還應(yīng)該認(rèn)識(shí)到以下兩點(diǎn):(1)異名應(yīng)被書面語言或口頭語言明確記錄;(2)異名的數(shù)量難以預(yù)估或窮盡。由此可見，規(guī)范詞庫收集的異名與《原則》標(biāo)注的異名有別，前者的初衷是用于開發(fā)實(shí)用工具，其異名數(shù)量需要達(dá)到一定的規(guī)模，而后者的初衷旨在通過漸進(jìn)途徑促進(jìn)術(shù)語規(guī)范，異名數(shù)量必然有限。

用于開發(fā)術(shù)語自動(dòng)糾錯(cuò)工具的規(guī)范詞異名庫，首先可以收選《原則》中所列舉的絕大多數(shù)異名類型，并給出明確的使用建議。據(jù)不完全統(tǒng)計(jì)，全國科技名詞委所審定公布的30萬條規(guī)范科學(xué)技術(shù)術(shù)語中，標(biāo)注有《原則》所稱“異名”(含“全稱”“簡稱”“又稱”“曾稱”“俗稱”)的術(shù)語近15000條，其中85%標(biāo)注的是“又稱”。規(guī)范詞異名庫在收選時(shí)，應(yīng)該注意以下兩點(diǎn):(1)因?yàn)椤叭Q”和“簡稱”與“正名”等效使用，所以可不作為“異名”對(duì)待。(2)其他名稱(如“又稱”“俗稱”“曾稱”等)或多或少在使用上受到限制，可以收入規(guī)范詞異名庫，但有必要依據(jù)不同的類型標(biāo)注不同的使用建議(如“不推薦使用”“僅在限定范圍內(nèi)使用”“不再使用”等)。

由于全國科技名詞委一直執(zhí)行比較嚴(yán)格的審定標(biāo)準(zhǔn)，為規(guī)范詞標(biāo)注“異名”的情況屬于少數(shù)(約5%)，如果僅僅依靠現(xiàn)有的“異名”資源來建立規(guī)范詞異名庫，其規(guī)模還不足以滿足糾錯(cuò)工具的需要，因此還要重點(diǎn)收集整理通常意義上的“不規(guī)范詞”。這些詞應(yīng)該已經(jīng)在社會(huì)上使用，但未被全國科技名詞委選用為規(guī)范詞“正名”，也未按照《原則》的標(biāo)準(zhǔn)被標(biāo)注為規(guī)范詞“異名”，依據(jù)規(guī)定不應(yīng)該使用。當(dāng)然，不規(guī)范詞作為規(guī)范詞的一種特殊“異名”類型，需要被標(biāo)注比《原則》中異名更為苛刻的使用建議(如“建議更正”)。這類不規(guī)范詞的數(shù)量比《原則》所標(biāo)注的異名數(shù)量要多，將在糾錯(cuò)中扮演重要的角色。

三 收集整理規(guī)范詞異名的階段和原則

根據(jù)科技術(shù)語審定工作的規(guī)律性認(rèn)識(shí)，一個(gè)術(shù)語命名的最終確定需要經(jīng)過收詞和審詞兩個(gè)階段。在收詞階段，從基本手段來看，可以分為人工收詞和自動(dòng)抽取兩種。其中，自動(dòng)抽取一般基于語料庫，采用自然語言處理技術(shù)進(jìn)行。而在審詞階段，主要依賴人工審查。就收集整理規(guī)范詞的異名而言，同屬于科技術(shù)語規(guī)范工作范疇，同樣應(yīng)該遵循收詞和審詞這兩個(gè)階段。

建立規(guī)范詞庫與規(guī)范詞異名庫的基礎(chǔ)有較大區(qū)別。全國科技名詞委所審定公布的每一個(gè)科技概念的定名及其內(nèi)涵的確定，都凝聚了科技工作者的大量心血，經(jīng)歷了一個(gè)非常漫長的研究過程，因此規(guī)范詞庫的建立是一個(gè)從無到有的積累過程。對(duì)于規(guī)范詞的異名而言，因其與規(guī)范詞形成對(duì)應(yīng)關(guān)系，所指代的科技概念的范圍比較明確，從而可以將已經(jīng)建成的規(guī)范詞庫作為參考庫，工作基礎(chǔ)較好。

由于規(guī)范詞的異名不具備科學(xué)性、單義性、系統(tǒng)性等規(guī)范詞所具有的優(yōu)良特性，所以規(guī)范詞異名的判定往往無法簡單運(yùn)用與規(guī)范詞對(duì)立的特征來衡量，只應(yīng)從語義、概念層面限定與規(guī)范詞形成等價(jià)關(guān)系。因此，在建立規(guī)范詞異名庫的最初設(shè)計(jì)中，要充分考慮規(guī)范詞異名庫建立的初衷是面向應(yīng)用和作為參考資源的性質(zhì)，不必強(qiáng)調(diào)其“權(quán)威性”或“完整性”，其準(zhǔn)確性也不宜過分從嚴(yán)，應(yīng)具有一定靈活度，而且允許在實(shí)踐中加以檢驗(yàn)、修正和補(bǔ)充。

四 規(guī)范詞異名的語料來源

科技語料浩如煙海，根據(jù)需求選擇恰當(dāng)和有效的語料是進(jìn)行科技名詞語料分析的起點(diǎn)，也是很重要的基礎(chǔ)。用于規(guī)范詞異名研究的語料來源一般包括確定資源和非確定資源兩大類。確定語料主要是規(guī)范詞異名可能集中出現(xiàn)的語料，如各類公開出版的科技詞典(含同義詞詞典、近義詞詞典等)、科技文獻(xiàn)的術(shù)語表、期刊文獻(xiàn)的關(guān)鍵詞、主題詞庫等。非確定語料主要是指規(guī)范詞異名出現(xiàn)的概率未知的語料，包括科技文獻(xiàn)正文、百科網(wǎng)站、報(bào)紙等。

規(guī)范詞和規(guī)范詞異名并存的確定語料是最直觀和最易形成產(chǎn)出的語料。諸如同義詞詞典、近義詞詞典，或者主題詞表等。與此同時(shí)，可以利用內(nèi)在而形成規(guī)范詞與規(guī)范詞異名相互對(duì)應(yīng)關(guān)系的語料，是可能對(duì)收選規(guī)范詞異名有用的擴(kuò)展語料。例如，很多中文非規(guī)范術(shù)語的產(chǎn)生是因?yàn)榉g不準(zhǔn)確，尤其是比較新的科技概念，其引進(jìn)之初常常會(huì)伴生大量以訛傳訛的新定名形式，因而中文或英文的同義詞詞典也是可能用到的有利的擴(kuò)展語料?？傮w而言，從確定語料(尤其是中英文完整的語料)中抽取規(guī)范詞異名，將是比較有效率的嘗試。

對(duì)非確定語料而言，百科類語料圍繞同一概念而展開，并借助相關(guān)概念進(jìn)行擴(kuò)展，同時(shí)經(jīng)常包含“又稱”“也叫”“又叫作”“還稱”之類的標(biāo)志性詞語，這些都可以作為抽取規(guī)范詞異名的重要來源。因而圍繞同一科技概念展開的語料，比其他粗淺涉及某一科技概念的語料更具價(jià)值，而且在后期審定中會(huì)減少對(duì)詞語所指代概念的誤判。相對(duì)于百科類語料而言，其他非確定語料的處理需要更多地分析每份語料的行文特征，其最終價(jià)值有賴于良好的規(guī)則和統(tǒng)計(jì)的設(shè)計(jì)，具有不確定性。

由此可見，確定語料比非確定語料對(duì)最終收詞的貢獻(xiàn)更加直觀，收詞的時(shí)間成本和后期的審定成本相對(duì)較低。而在非確定語料中，百科類語料比其他語料更具價(jià)值。因而，如果語料資源比較充足，可以以確定語料為主，非確定語料為輔;在非確定語料中，以百科類語料為主，其他語料為輔。

五 規(guī)范詞異名的自動(dòng)抽取規(guī)則和實(shí)現(xiàn)路徑

如前文所述，收選規(guī)范詞異名的核心原則就是確保與規(guī)范詞概念等價(jià)的詞。對(duì)于人工收詞和自動(dòng)抽取而言，最大的區(qū)別就在于人工收詞取決于取詞操作實(shí)施者自身的規(guī)則設(shè)定，以及其個(gè)人或者參考資料對(duì)概念的理解或詮釋;而自動(dòng)抽取則取決于相關(guān)統(tǒng)計(jì)和篩選規(guī)則的設(shè)定，近年來從信息處理的角度研究漢語詞匯、語法和語義研究日漸增多［3］，主要涉及運(yùn)用語料庫對(duì)大規(guī)模的自然語言進(jìn)行調(diào)查和統(tǒng)計(jì)，建立統(tǒng)計(jì)語言模型，研究和應(yīng)用基于統(tǒng)計(jì)的語言處理技術(shù)，進(jìn)行信息檢索、文本分類、文本過濾、信息抽取等工作。

規(guī)范詞異名的自動(dòng)抽取主要基于自然語言處理的相關(guān)理論。目前比較主流的實(shí)現(xiàn)方式，包括基于規(guī)則的方法和基于統(tǒng)計(jì)的方法兩種。其中，基于規(guī)則的方法是一種唯理主義方法，本質(zhì)上是一種確定性的演繹推理方法。其優(yōu)點(diǎn)在于根據(jù)上下文對(duì)確定事件的定性描述，能充分利用現(xiàn)有的語言學(xué)成果。缺點(diǎn)是對(duì)于一些不確定的事件則顯得蒼白無力，同時(shí)規(guī)則之間的相容性和適用層次范圍都存在一些缺陷和限制。而基于統(tǒng)計(jì)的方法是一種經(jīng)驗(yàn)主義方法，其優(yōu)勢(shì)在于它的全部知識(shí)是通過對(duì)大規(guī)模語料庫進(jìn)行必要的加工、分析后自動(dòng)抽取出來的，因此可以獲得很好的一致性和很高的覆蓋率，對(duì)語言處理提供了較客觀的數(shù)據(jù)依據(jù)和可靠的質(zhì)量保證?；诮y(tǒng)計(jì)的方法本質(zhì)上是一種非確定性的定量推理方式，定量是基于概率的，因此其必然會(huì)掩蓋小概率事件的發(fā)生。有些統(tǒng)計(jì)方法無法解決的問題，利用規(guī)則卻很容易解決［4］。

筆者試圖從實(shí)際操作的層面，探討可能產(chǎn)生規(guī)范詞異名待審詞表的諸多路徑，所運(yùn)用的技術(shù)基本都是規(guī)則和統(tǒng)計(jì)并舉的方法。當(dāng)然，實(shí)現(xiàn)規(guī)范詞異名的自動(dòng)抽取，其可能路徑遠(yuǎn)不止以下三種。

路徑一:學(xué)科領(lǐng)域關(guān)聯(lián)

第1步:運(yùn)用分詞、標(biāo)注、文本分割、合并等語料自動(dòng)加工技術(shù)，從語料庫中廣泛抽取候選詞條。

第2步:根據(jù)恰當(dāng)?shù)膶W(xué)科分類法，利用術(shù)語在語料中詞頻分布變化程度的統(tǒng)計(jì)信息來檢驗(yàn)術(shù)語的學(xué)科相關(guān)性，將候選詞條歸類至所屬學(xué)科領(lǐng)域(如三級(jí)學(xué)科)。

第3步:依據(jù)相同的學(xué)科分類法和技術(shù)手段，在相同的語料庫中，為規(guī)范詞劃分所屬學(xué)科領(lǐng)域(如三級(jí)學(xué)科)。

第4步:通過設(shè)定規(guī)則，對(duì)屬于同一分支學(xué)科的詞條進(jìn)行詞形或語義相似度比較(如詞形差異、包含關(guān)系等)。

第5步:整理形成規(guī)范詞異名待審表。

路徑二:英文術(shù)語一詞多譯關(guān)聯(lián)

第1步:應(yīng)用權(quán)威英漢詞典，對(duì)規(guī)范詞對(duì)應(yīng)的英文術(shù)語中一詞多譯的英文詞素進(jìn)行中文回譯，并將每一組可能的、由回譯的中文詞素組成的中文組合詞(無需進(jìn)行語法審查)，收入候選詞表1。

第2步:將候選詞表1中的候選詞分別在語料庫中抽取與候選詞表1詞條詞素相近且空間位置關(guān)系相對(duì)集中的相似分詞語料，收入候選詞表2。

第3步:對(duì)候選詞表1、2進(jìn)行構(gòu)詞法、語法等規(guī)則篩選，將符合構(gòu)詞法的詞條作為候選詞表3。

第4步:對(duì)候選詞表3中的詞條在語料中進(jìn)行嚴(yán)格匹配檢索，通過概率統(tǒng)計(jì)手段，將重現(xiàn)率達(dá)到一定閾限的詞條，納入規(guī)范詞異名待審詞表。

第5步:整理形成規(guī)范詞異名待審表。

路徑三:語義網(wǎng)絡(luò)②關(guān)聯(lián)

第1步:運(yùn)用分詞、標(biāo)注、文本分割、合并等語料自動(dòng)加工技術(shù)，從語料庫中廣泛抽取候選詞條。

第2步:分析候選詞條及與其對(duì)應(yīng)的規(guī)范詞，分析詞匯在語料中的語義網(wǎng)絡(luò)，通過各結(jié)點(diǎn)的關(guān)聯(lián)度，結(jié)合上下位概念、上下文相似度等，匹配并篩選可能意義相近的詞條。

第3步:整理形成規(guī)范詞異名待審表。

其中，路徑一源于規(guī)范詞和規(guī)范詞異名具有相同學(xué)科屬性的基本事實(shí)，以概念層次結(jié)構(gòu)為基礎(chǔ)，選擇對(duì)概念層級(jí)相近的術(shù)語進(jìn)行歸類，該技術(shù)已經(jīng)比較成熟，可操作性較強(qiáng)，這一點(diǎn)在筆者所開展的科技新詞自動(dòng)抽取試點(diǎn)工作中，已經(jīng)得到部分驗(yàn)證。但難點(diǎn)在于如何從相同領(lǐng)域的術(shù)語中匹配規(guī)范詞和規(guī)范詞異名，顯然單從詞形角度的匹配是遠(yuǎn)遠(yuǎn)不夠的，這方面還需要結(jié)合實(shí)踐進(jìn)行理論研究，逐步完善方案。路徑二源于相當(dāng)數(shù)量的規(guī)范詞異名產(chǎn)生于科技翻譯實(shí)踐的事實(shí)，選擇以英文一詞多譯作為關(guān)聯(lián)方式對(duì)近似術(shù)語進(jìn)行歸類，其有賴于權(quán)威的英漢雙語詞典提供詞素的語義連結(jié)，前期技術(shù)驗(yàn)證的周期會(huì)相對(duì)較長;路徑三源于規(guī)范詞和規(guī)范詞異名語義等價(jià)的本質(zhì)屬性，以語義相關(guān)度進(jìn)行關(guān)聯(lián)，是比較高層次的語義網(wǎng)絡(luò)途徑，目前研究還不成熟，實(shí)施難度很大。

六 規(guī)范詞異名的人工收集和審查

規(guī)范詞異名的人工收集，主要是參與人員根據(jù)自身知識(shí)積累，通過廣泛查閱各類科技語料進(jìn)行。這一方式的優(yōu)點(diǎn)是收集和審查在很大程度上能同時(shí)進(jìn)行，收詞準(zhǔn)確率高，但可獲取的規(guī)范詞異名數(shù)量有限;缺點(diǎn)是取詞的過程受到的限制因素較多，比如參與人員的知識(shí)結(jié)構(gòu)、精力集中程度，以及對(duì)語料涉獵廣度等。

規(guī)范詞異名的審查是在人工收集或自動(dòng)抽取完成后必須經(jīng)過的階段，也是確保詞條質(zhì)量的重要保障。對(duì)于自動(dòng)抽取而言，可以通過技術(shù)手段為規(guī)范詞異名待審詞表補(bǔ)充詞條相關(guān)信息(如上下文、參考文獻(xiàn)等)后，交由不同分支學(xué)科的專家進(jìn)行審查，并允許審詞專家進(jìn)行補(bǔ)充。

確保規(guī)范詞異名與規(guī)范詞在語義上等價(jià)，避免概念相互包含或交叉是人工收集和審查的重點(diǎn)。對(duì)于科技名詞規(guī)范化工作而言，人工收詞、審詞的經(jīng)驗(yàn)相對(duì)成熟，可借鑒的經(jīng)驗(yàn)比較多，比如學(xué)科名詞審定、新詞試點(diǎn)工作中所積累的經(jīng)驗(yàn)。

七 結(jié)語

總而言之，規(guī)范詞異名庫的建立意義深遠(yuǎn)，是新階段拓展科技名詞推廣應(yīng)用思路的重要途徑。盡管科技工作者對(duì)規(guī)范詞異名數(shù)量和質(zhì)量的需求不及規(guī)范詞嚴(yán)格，但由于相關(guān)理論和技術(shù)不甚成熟，以及規(guī)范詞異名難以窮盡的特性，因而決定了規(guī)范詞異名庫的建立和完善需要一個(gè)比較長的過程，具有不小的難度。筆者只是提出了基本設(shè)想和部分不太完善的實(shí)現(xiàn)路徑，對(duì)其中涉及的相關(guān)技術(shù)和模型還需在實(shí)踐中不斷改進(jìn)，現(xiàn)有技術(shù)能否實(shí)現(xiàn)相關(guān)目標(biāo)，還有待進(jìn)一步的研究和檢驗(yàn)。

注釋

①全國科學(xué)技術(shù)名詞審定委員會(huì).科學(xué)技術(shù)名詞審定原則及方法。

②語義網(wǎng)絡(luò)(Semantic Network)的概念最早由美國心理學(xué)家、語言學(xué)家奎廉(M.R.Quillian)于1968年的《語義記憶》中提出，它是一種采用網(wǎng)絡(luò)形式表示人類知識(shí)的方法。在這個(gè)語義網(wǎng)絡(luò)描述圖中，代替概念的單位是節(jié)點(diǎn)，代替概念之間關(guān)系的則是節(jié)點(diǎn)間的連接弧。

［1］中華人民共和國新聞出版總署.圖書質(zhì)量管理規(guī)定［M］.北京:新聞出版總署，2004.

［2］鄔江.科學(xué)技術(shù)名詞審定工作中的同義詞問題初探［J］.中國科技術(shù)語，2011(06):31－33.

［3］彭剛，劉巖.語料庫研究與應(yīng)用綜述［J］.黑龍江科技信息，2010(26):215.

［4］郭艷華，周昌樂.自然語言理解研究綜述［J］.杭州電子工業(yè)學(xué)院學(xué)報(bào)，2000(01):58－65.