1. 研究目的与意义、国内外研究现状（文献综述）
（一）课题研究
中国历史典籍英译是中国传统文化走向世界的重要途径之一。这对于面向古汉语的自然语言处理、典籍英译研究和中国历史研究都具有重要意义。平行语料库内部蕴含着两种语言单词、短语、句子、段落、篇章等不同级别的对应关系，为跨语言信息处理技术提供了研究基础。本课题的语料选取《论语》典籍及其相应的英文译文：《论语》是儒家经典之一，是一部以记言为主的语录体散文集，主要以语录和对话文体的形式记录了孔子及其弟子的言行，集中体现了孔子的政治、审美、道德伦理和功利等价值思想。本课题着手构建基于词粒度的汉英典籍平行语料库。基于构建的双语对齐语料库，以及典籍《尚书》作为补充，进行实体识别的研究。根据标注规范进行手工实体标注，实体包括人名、时间、地名、事件，并基于条件随机场(crf)[1]工具包训练出人名、地名、时间实体的识别模型，通过计算p（准确率）r（召回率）f（调和平均值）值来对模型的识别效果进行测评与评估。最后根据已标注好的不同类别的实体，并通过定义其间的关系，利用neo4j图数据库[2]构造出基于典籍《论语》的双语知识图谱，实现可视化的分析与检索。
（二）国内外研究进展
2. 研究的基本内容和问题
3. 研究的方法与方案
在语料的收集方面，通过在中国哲学电子计划官网上对古文典籍的搜集、整理，选取了《论语》的原文资料，并完成相应的英文翻译整理工作，从而完成语料的收集。对汉英双语语料进行预处理，对汉语语料进行手工分词，进行汉英对齐标注工作，构建基于词粒度的汉英典籍平行语料库。基于构建的双语语料库，以及典籍《尚书》作为补充，根据标注规范进行手工实体标注（人名、时间、地名、事件），进而进行实体识别研究，并基于条件随机场(CRF)工具包训练出命名实体识别模型，并对模型的识别效果进行测评。最后根据不同的实体以及之间关系构造出基于《论语》的双语知识图谱，实现平行语料库的具体应用。本课题中知识图谱的建立选用Neo4j图数据库，Neo4j图数据库是以图的结构形式来存储数据的，它所存储的就是关联数据本身。因而能够直接表现数据的关联特性，其使用图的遍历算法来进行数据查询算法的设计，具有十分高效的查询性能。通过该可视化的图谱可以直观地了解、展示古代典籍中发生并记载的事件、以及与之有关的人物、地点等，有助于对古代历史文化的进一步研究与深入学习，并提供相关检索的平台与途径。因此，基于上述分析，本设计方案具有实际的操作可行性。
4. 研究创新点
选取的语料为古文典籍和其英文译文，双语平行语料库的建立有助于推广传统文化，促进传统文化输出与中外交流。为文学典籍资料及其英译本的收集、电子化、对齐、标注等提供参考，推动基于语料库的翻译理论和实践的发展，也能为语言对比研究、翻译研究、外语教学、词典编纂和跨语言信息检索等提供平台。
构建基于词粒度的双语平行语料库，对齐层次更细，提供了更细程度的对译信息，有助于更深入地理解和研究传统文化，为汉语古籍的英文翻译等研究提供更为细化的参考。
此外，基于平行语料库中标注好的实体来构建双语知识图谱，可通过该可视化的图谱直观地了解、展示古代典籍中发生并记载的事件、以及与之有关的人物、地点等，有助于对古代历史与文化的深入学习与进一步研究，并提供相关古籍中人物、时间、地点、事件检索的平台与途径。
5. 研究计划与进展
在语料的收集方面，通过对古文典籍的搜集、整理，拟选定《论语》原文作为初始语料，并进行相应英文翻译整理工作，完成全部语料的收集。对语料进行预处理工作，进行手工分词，由于英文字符之间自带空格，所以仅对汉语语料进行手工分词处理。进行汉英对齐标注，建立基于词粒度的双语平行语料库。由于标注量较大，预期三周完成双语平行语料库的构建。
