本翻譯實(shí)踐內(nèi)容選自《翻譯:人腦和計(jì)算機(jī)》（Translation,Brains and the Computer）一書的第八章。該書于2018年由斯普林格（Springer）出版社出版。全書分為兩個(gè)部分,第一部分共八個(gè)章節(jié),以邏格斯模型（Logos Model）為切入點(diǎn),詳細(xì)探討了機(jī)器翻譯所面臨的困境;第二部分僅一個(gè)章節(jié),系統(tǒng)地闡釋了本書所提及的語義-句法抽象化語言（SAL,Semantico-syntactic Abstraction Language）。所翻譯的第八章題為“Deep Learning MT and Logos Model”,圍繞著深度學(xué)習(xí)翻譯模型與邏格斯模型展開,指出了機(jī)器學(xué)習(xí)的“學(xué)習(xí)”不應(yīng)該僅僅是單純地統(tǒng)計(jì)和模仿,更需要像人腦一樣通過概括性來達(dá)到持續(xù)學(xué)習(xí)目的。翻譯實(shí)踐項(xiàng)目以功能對(duì)等理論為指導(dǎo),針對(duì)文本中的不同問題采取不同的翻譯策略,做到盡可能實(shí)現(xiàn)譯文與原文的功能對(duì)等。對(duì)翻譯過程的重點(diǎn)案例進(jìn)行分析時(shí),主要從功能對(duì)等的三個(gè)層面展開。在詞匯層面,主要概述了翻譯過程中譯者運(yùn)用增詞、減詞、轉(zhuǎn)換詞性、意譯這四種翻譯技巧,對(duì)中英文用詞的差異進(jìn)行了處理。在句法層面,由于英文一些成... 

【文章來源】：重慶郵電大學(xué)重慶市

【文章頁數(shù)】：112 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖8.1層級(jí)化的卷積神經(jīng)網(wǎng)絡(luò)的圖

重慶郵電大學(xué)碩士學(xué)位論文AppendixBSourceTextandTargetText51inimplementation,theworkofthetwomodelsisessentiallythesame:connectinganinputsequencetostoredexperience;useofinputsequencehistoryineffectingconnectivity;transformingfeatures;concatenatingsiblingunitsandprojectingtomoreabstractparentunitsinthenextlayer.將輸入序列連接到歷史存儲(chǔ)單元；使用輸入序列歷史記錄來實(shí)現(xiàn)連接；轉(zhuǎn)換特征;串聯(lián)同級(jí)單元，并投射到下一層中更抽象的父單元。Fig.8.2Processingofmulti-unitinputinaconvolutionalneuralnet.Graphicshowsweights,aggregation,activationandoutputtothenextlayer.FunctionsparallelthoseofLM.NotethatweightsinLMareafunctionofsemantico-syntacticspecificity.(BasedonimagebyChristophBugmerappearingonDeepLearning4jDevelopmentTeam(2016),web)圖8.2卷積神經(jīng)網(wǎng)絡(luò)中多單元輸入的處理。圖中顯示了對(duì)下一層的權(quán)重、聚合、激活和輸出的操作。這些函數(shù)與邏格斯模型中的函數(shù)并行。注意，邏格斯模型中有權(quán)重的是語義-句法特質(zhì)性的函數(shù)。（此圖出自深度學(xué)習(xí)研發(fā)團(tuán)隊(duì)成員克里斯托夫·布格默（2016），來源于網(wǎng)絡(luò)）k.ThemostadvancedDLTMarerecursiveandconvolutional(Mengetal.2015).k.最高級(jí)的深度學(xué)習(xí)翻譯模型是遞歸和卷積相結(jié)合的網(wǎng)絡(luò)(Mengetal.

重慶郵電大學(xué)碩士學(xué)位論文AppendixBSourceTextandTargetText54Fig.8.3DetailillustratingmiddlelayerconnectivityinLMnet.V4andV5areI/Olayers.TheSALnoun-prep-nounpatternshownhasconsiderablymorefeaturesthangraphicallows.Thesynapse-likeconnectivityeffectedbysemantico-syntacticcodesmimicsthefunctionofneurotransmitters.Notethat,becauseoftheAspectiveSALcodeforthenounpiece,thenouncakebecomesheadofresultantNP圖8.3詳細(xì)說明在邏格斯模型網(wǎng)絡(luò)的中間層連接。V4和V5處于I/O層。SAL的名-介-名模式比圖片所能體現(xiàn)的特征更多。由語義-句法編碼實(shí)現(xiàn)的類突觸連接模仿了神經(jīng)介質(zhì)的功能。請(qǐng)注意，由于對(duì)名詞piece采用了體性SAL編碼形式，所以名詞cake就成為輸出的NP結(jié)構(gòu)的中心語。–InLM,incremental,so-called“sweeps”ofinputsegmentsagainsthiddenlayersarealsooverlapped(convoluted).ConvolutionisachievedinLMbyback-spacingbyoneunitofthecurrentsearchsegmentbeforecommencingthenextsweep.Segmentoverlappingcanbegreaterthanbyoneunitwhencalledfor.在邏格斯模型中，針對(duì)隱藏層的輸入段的增量，即所謂的“掃描”也是重疊的（卷積的）。下一次掃描開始之前，在當(dāng)前搜索段利用一個(gè)回間距來實(shí)現(xiàn)卷積。必要時(shí)，數(shù)據(jù)段重疊可以大于一個(gè)單元。

【參考文獻(xiàn)】：
期刊論文
[1]從功能對(duì)等視角看英漢語篇差異及翻譯策略[J]. 李久紅.  海外英語. 2019(23)
[2]基于深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的機(jī)器翻譯[J]. 韋韜.  工業(yè)技術(shù)創(chuàng)新. 2018(03)
[3]深度學(xué)習(xí)時(shí)代下的機(jī)器翻譯[J]. 肖桐,李垠橋,陳麒,朱靖波.  人工智能. 2018(01)
[4]論科技文本英譯漢的翻譯策略[J]. 徐東.  語文學(xué)刊(外語教育教學(xué)). 2015(12)
[5]重復(fù)譯法的銜接功能探究[J]. 徐莉娜.  山東外語教學(xué). 2012(06)
[6]英漢科技翻譯特點(diǎn)及其翻譯策略[J]. 李偉.  黑龍江科技信息. 2012(11)
[7]科技英語翻譯中長句處理的有效策略[J]. 左立.  襄樊職業(yè)技術(shù)學(xué)院學(xué)報(bào). 2011(04)
[8]對(duì)翻譯中“詞性轉(zhuǎn)換”的新認(rèn)識(shí)[J]. 葉子南.  中國翻譯. 2007(06)
[9]科技英語增譯原則[J]. 李銀芳.  中國科技翻譯. 2007(02)
[10]談科技英語中被動(dòng)語態(tài)的翻譯技巧[J]. 陳美蓮.  遼寧行政學(xué)院學(xué)報(bào). 2006(06)

碩士論文
[1]基于神經(jīng)網(wǎng)絡(luò)的機(jī)器翻譯模型[D]. 陳蒙潔.浙江大學(xué) 2018



本文編號(hào)：3000768