关于「韵律与气口:分段长度、逗号的动态规划与四六节奏」,《去翻译腔的中文文案计算》给出的定量结论是什么?
结论:气口段是可以数的。本章的示意直译稿平均段长在 21.00 到 24.29 字之间,改写稿在 5.10 到 6.67 字之间,四到七字的段占多数。给定可断的位置,动态规划能找到最接近目标段长的逗号位置;目标取 6 时,53 个字的长句被分成 8 段,代价 29,语义边界全部保留。下一章从句子的内部转向它所处的地区:同一句话,在台北、新加坡、吉隆坡与香港读起来是否一样。
数据口径:书中的例句与参数均为示意;全部计算由书中程序生成;本书不构成个别化的法律、广告合规或营销建议,只讨论守规矩的说服。 第一章用手工标注的示意依存树说明,西化稿的平均依存距离是 3.429,母语改写是 1.515;与保持树结构的随机语序相比,西化稿的比值为 0.950,几乎等于随机,改写稿为 0.640。
对照数据表
下表数字由本章 Python 程序原样打印,可重新运行复现。 程序只用 Python 标准库与结论吻合的打印值: 21.00, 24.29, 29, 5.10, 6.67
| text segs mean sd | 4-7 >=13 vary |
| coffee-T | 8 21.00 11.61 0.000 0.750 1.000 |
| lengths | 13 44 36 9 18 20 12 16 |
| coffee-N | 9 6.67 2.21 0.889 0.000 0.625 |
| lengths | 7 6 4 12 6 4 7 7 7 |
| case-T | 7 24.29 7.09 0.000 1.000 0.833 |
| lengths | 33 33 22 13 18 29 22 |
| case-N | 10 5.10 2.47 0.600 0.000 0.444 |
| lengths | 5 4 4 4 8 7 1 2 9 7 |
查看完整验算程序
# Chapter 5. p51: Breath groups. Each text is cut at Chinese punctuation
# into segments (a segment is what a reader says in one breath); we count
# hanzi per segment. Measures: number of segments, mean and population
# standard deviation of length, the share of segments of 4 to 7 hanzi,
# the share of 13 hanzi or more, and the share of neighbouring segments
# whose lengths differ by at least two (a crude index of variation).
# Texts: the illustrative drafts (T) and rewrites (N) of Chapter 2.
import math
import re
import statistics
TEXTS = {
"coffee-T": (
"对于每一位热爱咖啡的您来说,我们的精品咖啡订阅服务是一个能够让您在"
"家中享受到来自世界各地的最新鲜的咖啡豆的完美的选择。所有的咖啡豆都"
"会在烘焙完成之后的四十八小时之内被我们的团队进行包装和寄出。通过订"
"阅我们的服务,您将可以对您的口味偏好进行随时的调整,并且您的每一次"
"的反馈都将被我们认真地对待。作为一个致力于品质的品牌,我们相信这将"
"是一次令人难忘的体验。"),
"coffee-N": (
"每天一杯好咖啡,豆子从哪里来,您说了算。咖啡豆烘好两天内装袋寄出,"
"到手还是香的。口味想换,随时在会员页改;您说哪里不合口,我们下一袋"
"就调。"),
"case-T": (
"这款由我们的设计团队经过长达两年的研发而推出的全新的轻量化的行李箱"
",是为那些经常需要在不同的城市之间进行商务旅行的专业人士所量身打造"
"的。它的外壳被采用了一种具有高强度的聚碳酸酯材料,使得它能够在保持"
"轻便的同时,对于来自外部的冲击具有更好的抵抗能力。如果您在购买之后"
"的三十天之内对产品的质量有任何不满意的地方,您可以随时联系我们的客"
"服团队进行退换货的申请。"),
"case-N": (
"常出差的人,箱子要轻,也要耐摔。这款箱子,设计团队做了两年:外壳用"
"聚碳酸酯,轻,抗撞。买后三十天内不满意,找客服就能退换。"),
}
SPLIT = re.compile(r"[,。;!?、:]")
HANZI = re.compile(r"[\u4e00-\u9fff]")
print("text segs mean sd 4-7 >=13 vary")
for key, text in TEXTS.items():
seg = [len(HANZI.findall(s)) for s in SPLIT.split(text) if s]
mid = len([x for x in seg if 4 <= x <= 7]) / len(seg)
big = len([x for x in seg if x >= 13]) / len(seg)
pairs = list(zip(seg, seg[1:]))
vary = len([1 for a, b in pairs if abs(a - b) >= 2]) / len(pairs)
mean = math.fsum(seg) / len(seg)
print("{:<9} {:>4} {:>5.2f} {:>5.2f} {:>5.3f} {:>6.3f} {:>5.3f}".format(
key, len(seg), mean, statistics.pstdev(seg), mid, big, vary))
print(" lengths: " + " ".join(str(x) for x in seg))唯一数据源与引用
范雅福(Fan, Y.). (2026). 《跨语境母语修辞韵律、去翻译腔句法树重构与马新台华语转化语料学》第 5 章「韵律与气口:分段长度、逗号的动态规划与四六节奏」(版本 1.0.0). 5D Library. DOI 待发布
DOI 待发布 · 专著页正式发布后上线(本站暂无专著页) · 5DL-B-144 · v1.0.0 · CC-BY-NC-ND-4.0
BibTeX
@book{fan2026144,
author = {Fan, Yafu},
title = {Native Cross-Context Prosody, De-Translationese Syntax-Tree Rewriting and a Conversion Corpus of Malaysian, Singaporean and Taiwanese Chinese},
year = {2026},
publisher = {5D Library},
edition = {1.0.0},
note = {DOI pending}
}