安娜·卡列尼娜 › 析疑 › 第 51 问
本库说「说话人只归一了三成」,是不是数据不全?
不是不全,是底本本身大量台词没有提示语——这是这本译本的排版实情,本库选择照实记录,不硬凑。
数字是这样的:全书抽出言语与内心独白 4982 条,其中能找到提示语的有 2679 条(53.8%),能归到具体人物的有 1607 条(32.3%)。剩下的一大半,底本只给了台词本身,前后既没有「某某说」,也没有可唯一判定的人称。
为什么不高?两个原因。一是这个译本用破折号排台词,交替对话时常省提示语(第一部二章斯季瓦与马特维的问答就是典型);二是大量台词前后只写「他说」「她说」,中文代词分性别,一段里只要有两个同性人物在场,就没法唯一判定。
本库的做法:能按人名定的记 R1-name,能按「同段与上一段里恰好只有一位同性别人物」定的记 R2-pronoun-unique,两条都定不了的就留空,但保留提示语原文(speaker_raw)供回查。要最保守的口径,过滤掉 R2 即可。
再补一条:R2 那条规则的判据很窄——只在「同段与上一段里恰好只有一位同性别在册人物」时才派,两个以上一律放弃。所以它不会制造「随便指一个人」的错误数据。
如果只想用最硬的证据,过滤 attribution_rule = 'R1-name' 即可,本库里这一级有 1146 条,覆盖全部主要人物。
本库 utterance.attribution_rule 留了两级标记,要最硬证据就过滤 R1-name;speaker_raw 一律保留,可回原文。
**本库锚点**
- 第一部二(本书第 2 章,unit_key p1-02);底本提要:斯捷潘·阿尔卡季奇是个对自己……:该章事件记为「斯季瓦醒来回想吵架,仍觉得自己没错也满意」(日常)。
- 第八部十九(本书第 240 章,unit_key p8-19);底本提要:走出育儿室,剩下一个人,列文……:该章事件记为「列文在露台望星,找到自己的信仰」(转折)。
人物:康斯坦丁·德米特里奇·列文 · 斯捷潘·阿尔卡季奇·奥布隆斯基 · 叶卡捷琳娜·亚历山德罗夫娜·谢尔巴茨卡娅第 2 章 · 第 240 章版本译本语言腔调
« 回到析疑列表 | 共 52 问