中国海洋大学语言大数据研究团队在国内外语类顶刊《外语教学与研究》2026年第1期（第58卷第1期）发表论文《基于词嵌入模型的英汉翻译对等词数据库构建及其效度研究》。论文作者为中国海洋大学陈士法、刘羽丰、郑冰寒、李潇辰，以及西南交通大学杨仪。研究获得国家社科基金项目“英汉心理词汇表征及计算模型研究”资助，中国海洋大学语言大数据实验室提供了数据支持。
翻译对等词（translation equivalents）指两种语言中语义对等的词汇。然而，跨语言词义很难做到完全重合，同一英语词往往存在多个可选的汉语译词（如teacher可译为“老师”“教师”“先生”“教员”等），其“对等程度”存在差异。传统基于双语词典或“第一译词”的对等词确定方法，容易受到辞典编纂、学习环境、语言水平等因素影响，从而导致翻译对等词提取的主观性强、一致性弱。该研究提出基于词嵌入模型的以语义协同度（semantic alignment）为核心指标的翻译对等词度量思路，进而构建英汉翻译对等词数据库并对其效度进行系统验证。
在研究设计上，团队首先整合多源数据库构建英汉翻译映射集。在既有英汉翻译对等词数据库的基础上得到1,652个英语单词，并汇集三部权威英汉词典（《牛津高阶英汉双解词典》第九版、《朗文当代高级英汉词典》第五版、《剑桥高阶英汉双解词典》）、跨语言数据库（NorthEuraLex、Multi-SimLex）以及翻译过程研究数据库（CRITT TPR-DB）中的译词信息，最终形成10,978对英汉翻译词对。随后，研究以英、汉维基百科语料为输入语义空间，训练词嵌入模型，提取英语单词及其汉语译词的词向量，通过余弦相似度与皮尔逊相关计算语义协同度，实现对英汉翻译词对“语义对等程度”的连续、细粒度测量，构建了英汉翻译对等词数据库。
图1. 不同语义协同度区间下的英汉翻译词对频次
图2. 英语单词的汉语译词数量分布直方图
该数据库在规模与结构上具有鲜明特点：一方面，库容量大，覆盖1,652个英语单词与10,978个汉语译词，并呈现更充分的一对多映射关系；另一方面，译词语义协同度呈连续分布且“非对等性”明显，绝大多数词对的语义协同度处于中低水平（图1），同时仍存在一定比例的负协同度词对，表明部分翻译对等词在跨语言语境使用模式上可能呈现相反特征；此外，原词翻译歧义性强，92.7%的英语单词对应两个及以上汉语译词（图2），反映英汉翻译映射的复杂性与“多译并存”的常态化特征。
图3. 按字母排列的英语单词汉语译词配对顺序一致性分析
在效度验证方面，研究采用“与现有资源对比+跨语义空间复现”的双重有效性验证思路。第一，将语义协同度与既有数据库中的人工语义相似度评分、主要译词使用概率进行相关分析，发现均呈显著正相关，说明该指标能够反映汉英双语者对翻译词对语义相似性的认知特征；第二，更换语义空间（以“英国国家语料库（BNC）”与“国家语委现代汉语通用平衡语料库”为输入语料库）复建数据库，发现不同语义空间下的语义协同度高度一致，且同一英语单词的汉语译词排序具有较高一致性（图3），表明该方法具备稳健性与可复现性。
综上，该研究认为基于词嵌入模型构建的英汉翻译对等词数据库客观性强，能够较为真实地反映英汉翻译词对的语义对等程度，可为双语加工、翻译加工与相关实验研究提供更大规模、连续可度量的材料基础。
文：刘羽丰
|
