1 引言

近50年，语料库在语言研究领域发挥了重要作用，尤其是单语语料库。然而，双语平行语料库建设相对滞后，尽管其理论和实践价值巨大。国内已建的平行语料库多以外译汉文本为主，汉译外学术文本平行语料库尚属空白。21世纪以来，中国积极推动学术外译活动，但对汉语学术著作外译的研究相对缺乏。学术文献平行语料库具有独特的应用和学术价值，如提高翻译效率、分析语言特征等。

2 语料收集

介绍了汉英人文社会科学文献平行语料库的语料收集过程。通过查询美国国会图书馆馆藏图书目录等方法，确定了40多部文史哲文献及其译著作为收集对象，总字数约1,500万字。收录文献包括民国时期、改革开放后至20世纪末、2000年后的专著和论文集，其中部分由外国学者翻译，部分由中国基金资助翻译。语料库采用全文收录方式，汉语与英语语料比例随时间推移逐渐提高。暂不收录新中国成立前30年的文献。

3 语料加工

详细阐述了汉英人文社会科学文献平行语料库建设过程中的语料加工步骤。首先，通过扫描、文字识别和人工校对将文献电子化，其中汉语文献利用百度和腾讯的API接口进行文字识别，英文文献则使用tesseract-ocr软件。其次，进行文本清洁，移除非正文部分内容，并对英文中的连字符进行处理。接着，使用vecalign工具和谷歌的LaBSE模型进行句子对齐，同时开发了分句代码。此外，对英语语料进行单词原形、词性和句法标注，而汉语语料则暂不进行分词和词性标注。最后，对语料的元信息进行赋码，包括原著和译著的相关信息。同时，指出了语料库建设中的难点，如文字识别错误、文本清洁工作量大以及句子自动对齐后的人工校对需求。

4 语料检索平台建设

介绍了汉英人文社会科学文献平行语料库的检索平台建设。检索平台具备多种功能，包括普通词语检索、使用通配符、词性检索、单词原形检索和正则表达式支持。界面提供“检索”和“索引”功能，可统计词频、提取词簇表和输出句子及其译文。平台还支持依存关系检索，允许检索句子中的依存词和管辖词及其依存关系。检索功能通过SQL实现，将检索表达式解析为SQL查询语言，并将结果转换为用户友好的格式。研究案例探讨了学术翻译中转述动词的翻译差异，发现不同学科领域和文化背景影响翻译策略，译者需考虑语言、文化差异及学科知识构建方式，以准确再现原作立场。

5 汉英学术文本平行语料库的应用

王克非（2012）强调平行语料库对外语教学、翻译研究和词典编纂的重要性。本汉英学术文本平行语料库具有传播中国文化、提高学术外译质量的实践价值，以及为学术翻译语言特征研究提供数据支持的理论价值。语料库收录了中国哲学、历史学、社会学、文学、美学等领域的著作及其译著，有助于译者查询文化负载词的翻译情况，做出最佳翻译选择。学术文本平行语料库能满足学术翻译的专业需求。对比本语料库与燚炎通用英汉平行语料库的学术题材语料，发现汉英形符数比存在差异，表明汉语学术原著与译著的语言特征可能不同。目前对英汉学术翻译语言特征的系统调查还比较缺乏，本语料库的建设有助于回答相关问题。

6 结语

汉英人文社会科学文献平行语料库建设具有重要价值，为翻译研究、实践、语言对比和外语教学提供数据支持。国内已建多个平行语料库，但汉译外学术语体语料库建设仍需加强。本研究收集40多部汉语学术著作及其英译本，通过文字识别、校对、文本清洁、句子对齐和语料赋码，建成约1500万字词的汉英学术文本平行语料库，并开发了配套检索平台，支持搭配检索、通配符检索和依存语法检索。该语料库将为学术翻译研究和实践提供支持。大型语料库通常通过截取片段或章节收集著作类语料以提高代表性，但本语料库未采用此方法，因为2000年前汉语学术文献英译出版数量有限。未来扩充21世纪以来的语料时，将考虑采用截取片段或章节的方式采集著作语料。