术语的选择与一致性在翻译过程中至关重要。随着全球商业市场的日益融合，准确统一的术语已成为高效沟通的关键。无论是技术文档、法律文件、市场营销材料还是软件界面，确保术语在翻译过程中得到恰当选择，并在不同项目或部门间保持一致，已成为许多企业面临的重要挑战。

提取术语通常需要经历两个阶段。首先，通过半自动或自动化工具从文本中提取潜在术语，这类工具常常会生成大量候选术语的列表。其次，需要确定应将哪些术语纳入公司的术语库，并确保翻译公司中的项目经理、技术编辑和营销专家等不同岗位的人员在术语选择上达成共识。

本文将为读者提供有效的术语选择指南，并通过具体实例展示如何确保公司术语的一致性。

在面对多个候选术语时，如何决定将某一特定术语纳入公司术语库，而弃用其他选项？这一决策既需要遵循普遍适用的标准，又需要考虑术语所在领域的具体需求及目标受众的特点。例如，医学术语在面向患者和医学专家两类受众时，涉及的范围、性质和信息深度大不相同。本文将详细阐述术语选择的基本标准，您可以单独依据某一标准，或综合运用这些标准，来选择最佳术语。

标准：该术语是否为行业或公司特有？在相关文件中的出现频率如何？

    将术语纳入术语库是一项成本与时间投入较大的工作，需要为每个术语提供定义、词汇变体、元数据和使用示例等信息，并定期更新维护。因此，在选择较为“复杂”的专业术语时，需考虑录入及后期维护所需的工作量。减少不必要的工作量是选择时的重要考量因素。

    术语在公司文件中的出现频率是否重要，取决于选择标准的角度。最常见的术语并不总是最为关键。有时，某些使用频率较低的术语也非常重要。例如，某些特定生产工艺的术语虽然在文件中较少出现，但对公司运营至关重要。

示例：在化妆品公司的营销文本中，“保湿”虽然出现频率较低，但它仍然是一个关键的专业术语。

标准：该术语是否容易引发误解或误译？是否有同义词或多个拼写方式需要规范使用？是否需要精确定义？

此标准要求术语选择者具备充分的语言和技术背景知识。很多时候，人们希望通过术语库规范近义词的使用，但这些近义词可能并不容易区分，且没有明确的释义时容易造成误解。

示例：在法律文本中，德语的“Gutgläubigkeit”一词有多重含义，在民法和刑法中的解释不同，因此准确的释义显得尤为重要。

标准：该术语在目标语言中是否有多种可能的译法？翻译是否严重依赖于上下文？

大多数企业的术语库涵盖多个语种，从几种核心语言到二三十种语言不等。无论是在日常生活、技术领域还是法律领域，跨文化的差异常常导致同一概念在不同语言中的表达方式有所不同。例如，法国、英国和德国的肉贩在切肉方式上有所不同，德国和美国的教育体系也存在本质差异。就技术概念来说，中文的“发动机”、德语的“Motor”和英语的“motor/engine”在结构和理解上也各不相同，这使得翻译常常依赖于具体的语境。

示例：英文术语“interface”在不同的技术文本中可译为“接口”、“用户界面”或“连接”，选择哪种译法取决于其应用场景。

标准：该术语是否已有公认的标准翻译或法律规定？

许多技术术语的使用有明确规定，除了立法者，标准化机构（如德国标准化学会或国际标准化组织）和行业协会也参与了术语的制定。在特定领域（如海关、会计或法律文件中），使用错误的术语可能会引发严重后果。

标准：产品开发部负责人如何称呼？公司外语名称如何拼写？

尽管将产品名称或专有名称纳入术语库可能较为复杂，但其准确性与一致性对于国内外市场至关重要，错误或不一致地使用这些名称都可能造成严重后果。虽然这些信息通常会记录在公司风格指南中，但术语库仍然是储存公司知识的核心工具。员工可以在术语库中通过关键词检索术语，并利用半自动检查工具及时识别拼写错误。

示例：“Mercedes-Benz”在中文中的正确写法是“梅赛德斯-奔驰”。

标准：公司文件中常用的缩写和简称可能会让读者产生理解上的困惑。

缩写通常是在实际需求中逐渐形成的，并非固定不变。虽然首次出现时对缩写进行说明是一种良好的做法，但随着文档的展开，读者可能会忘记其确切含义。

随着ChatGPT、Claude、LLaMA和Gemini等大语言模型的逐步普及，人工智能在优化术语选择流程方面展现了巨大的潜力。这些工具可以显著提升术语选择的效率与准确性。

人工智能系统可以通过明确的术语类别和规则，对候选术语进行分类和初步筛选。这不仅提高了材料筛选的效率，还显著减少了人工工作量。

以下为利用AI进行术语分类的示例：“请根据以下标准对下列候选术语进行分类：频率、与主题领域的相关性、多义性、缩写、品牌名称、翻译复杂性和安全相关性。请为每项标准评分，0分表示不相关，5分表示非常相关，并简要解释您的术语选择理由。请以表格形式提供结果。”

提供反馈是提高AI术语分类准确性的有效途径。为此，术语专家需要审查人工智能提出的分类建议，并对分类错误进行反馈。这些反馈信息会输入到AI系统中，促使其持续学习和优化。

尽管人工智能在术语选择方面具有巨大潜力，但它并非完全可靠。因此，“人类的参与”仍然是不可或缺的。人类知识在以下几个方面尤为重要：

• 理解人工智能可能忽略的语境细微差别

• 提供训练数据中未能充分体现的专业知识

• 在出现争议或术语分类存在矛盾时，做出最终决策

在多方协作参与术语选择与术语库构建的组织中，可以采取以下步骤来确保一致性：

术语指南应明确术语选择标准，并通过具体示例加以阐释。以下为示例：

术语选择标准：用于描述复杂产品或工艺的专业术语，且至少在三份不同的公司文件中出现过。

正面示例：“真空夹紧装置”（公司特有的复杂产品，需详细说明）

反面示例：“螺丝刀”（常见且通用的术语）

负责术语管理的员工应通过研讨会学习如何根据术语指南进行术语选择和应用。实际公司文件中的案例可作为培训材料，以帮助员工更好地理解和掌握术语选择的标准。

定期开展术语工作的公司可以通过工具或引入基于人工智能的流程来提升术语选择的效率和质量。以下是一些可能的技术方案：

• 利用人工智能模型进行术语分类：通过大语言模型，根据提示自动分类术语（如产品名称或工艺术语）。

• 利用NLP识别已命名术语：自然语言处理（NLP）技术可自动识别文本中的专有名词和术语。

• 使用语言学资源库进行词性分析：通过分析词类，更有效地识别和分类术语。例如，德国D.O.G.公司已经将语言学资源库Spacy集成到其术语管理系统LookUp的术语提取功能中，并能将词类识别信息与候选术语一同输出。

• 基于规则的模式识别：利用正则表达式识别文本中的特定术语或缩写模式，例如带有特定词尾的术语。

这些技术需要相应的专业知识，可以通过内部开发团队或外部服务提供商获得。通过自动化术语选择流程，不仅可以节省大量时间，还能提高术语的一致性和质量。

随着术语选择经验的积累，术语专家能够识别并调整已有标准的不足之处。定期召开术语工作会议，审查和讨论术语决策，持续改进术语管理流程。

术语选择是术语管理中复杂且至关重要的一环，它直接影响了技术文档和翻译中的准确沟通和质量标准。尽管AI工具和半自动化流程能有效辅助术语选择，但人类的专业知识仍然不可或缺。通过员工培训和技术工具的结合，制定标准化的术语选择流程，能够确保术语选择的一致性和标准化。只有通过技术与人类专业知识的紧密合作，才能推动术语选择的持续改进与优化。

die Terminologie/der Terminus 术语

die Extraktion potenzieller Termini 潜在术语提取

die Terminologiedatenbank 术语数据库

das Fachwort 专业词汇

die Mehrdeutigkeit 多义性，一词多义

der Eigenname 专有名称

Natural Language Processing (NLP) 自然语言处理