功能翻译理论的文本分析，功能翻译理论对科技论文英译的宏观指导

关于【功能翻译理论的文本分析】，今天小编给您分享一下，如果对您有所帮助别忘了关注本站哦。

• 内容导航：
• 1、功能翻译理论的文本分析：功能翻译理论对科技论文英译的宏观指导
• 2、功能翻译理论的文本分析，面向神经机器翻译的篇章级单语修正模型

1、功能翻译理论的文本分析：功能翻译理论对科技论文英译的宏观指导

功能派翻译理论是以目的法则为主导的翻译标准多元化的理论体系，其核心是翻译目的或译文功能。较之传统的等值观，功能翻译理论体现了更大的灵活性，允许和鼓励译者为实现翻译目的而在不同的策略间进行选择，从而最大限度地完成译文在译语情境和文化中的交际功能。因此，达晋编译认为，将功能翻译理论全面运用于科技论文英译研究，不仅可以在宏观层面上为科技论文英译指明方向，提供理论指导，而且可以由此深入探讨微观层面上科技论文英译的策略和方法，具有重要的实践意义。

一、文本功能类型学与科技论文英译。文本功能类型学是功能翻译理论的出发点和精髓。赖斯从译者的角度将原语文本分为信息型文本、表达型文本、感染型文本。信息型文本旨在直接、完整地传递原语文本的概念内容；表达型文本重在传达原语文本概念内容的艺术形式；感染型文本的目的是再造文本形式以直接达到预期的接受者反应。赖斯认为“文本类型是影响译者选择适当翻译方法的首要因素”，并且将文本功能列为翻译批评的一个标准，即从原文、译文两者功能之间的关系来评价译文。也就是说，文本类型研究在翻译标准和翻译策略的选择与确定中也发挥着重要作用。

科技论文属于信息型文本，其主要功能在于以平实的语言向译文读者传递科技信息，讲述事实，阐明观点。信息的准确与真实是这类文本的功能核心，而不是语言层面上的形式对应。奈达也曾提及: 信息内容是主要的，语言形式是次要的，翻译策略应以反映“深层结构”的“功能对等”为主，而不是反映“表层结构”的“形式对应”。此后，以威密尔、诺德等为首的功能翻译理论学者提出了更为明确的观点: 原文文本在翻译中只起到“提供信息”的作用，译者在整个翻译过程中的参照系不应是“对等”理论中所注重的原文及其功能，而应是译文在译语文化环境中所期望达到的一种或几种交际功能。也就是说，原文的形式和内容往往要服从于译文的需要，服从于文本的交际功能。

二、目的论与科技论文英译。威密尔突破传统语言学翻译理论的“等值”观提出了翻译目的论，他认为翻译是一种有目的的行为，“是在目的语情景中为某种目的及目的受众而产生的语篇”。翻译行为所要达到的目的决定整个翻译行为的过程，即结果决定方法，从而最终产生交际功能“充分”的译文。

除了目的法则之外，目的论还有连贯性法则和忠实性法则。连贯性法则要求译文必须符合逻辑和目的语的表达习惯，并在目的语文化以及使用译文的交际环境中有意义。因而，科技论文英译不仅要忠实地提供原文“信息”，同样要文从字顺、规范合体，不然会影响甚至破坏信息传递的效果。忠实性法则要求译文应尽可能地忠实于原文，而忠实的程度和形式则由译文目的和译者对原文的理解决定。忠实性法则强调译者不能脱离原文，译文和原文应最大限度地实现互文连贯。作为信息型文本的科技论文英译也不是一味地追求读者效应，同样要忠于原文信息和相应结构，否则难保译文的真实性。

科技论文英译只有实现了语内连贯和语际连贯，才会使译文具有原文本的规范功能和信息提供功能，从而最终实现诺德倡导的“理想的译文应该从概念性内容、语言形式和交际功能上与原文对等”的翻译目的。

三、利基于交际理论与行为理论提出的翻译行为理论进一步发展了目的论。她从文化研究的角度对翻译的概念予以界定，用“跨文化合作”来解释翻译，并着重分析了整个翻译过程参与者的行为、条件和作用等，把翻译视为有目的、重结果的交际活动，把翻译过程视为与文化转换相关联的信息传递综合体。曼塔利指出，翻译不是单纯地翻译词语、句子或文本，而是引导意向中的合作，跨越文化障碍，促进功能性的交际。而科技论文英译也是一项为实现信息的跨文化、跨语言转换而设计的一种书面的言语交际行为，是一种涉及原文作者、译者、译文读者等多方专业人士集体参与的复杂行为。

四、功能加忠诚理论与科技论文英译。诺德针对功能翻译理论的不足提出了“功能加忠诚”的概念。功能指的是使译文在目的语环境中按预定的方式运作的因素。忠诚指的是译者应该对译文读者和原文作者负有道义上的责任，体现的是一种人际关系。忠诚原则赋予译者很强的使命感和责任感。在科技论文英译中，译者可根据译文的预期功能，更多地考虑译文读者和原文作者的利益，对原文内容和形式作相应灵活的处理并为自己的行为和译品负责。

功能翻译理论以实现译文在译语文化中的预期目的和功能为首要原则，包含文本功能类型学、目的论、翻译行为理论和功能加忠诚理论等四个方面，它们紧密联系，构成有机整体。在科技论文英译的实践中，功能翻译理论为译者顺利实施其翻译策略提供了有力的理论支持。

2、功能翻译理论的文本分析，面向神经机器翻译的篇章级单语修正模型

作者 | 刘辉

单位 | 东北大学

刘辉，东北大学自然语言处理实验室2018级研究生，研究方向为机器翻译。

东北大学自然语言处理实验室由姚天顺教授创建于 1980 年，现由朱靖波教授、肖桐博士领导，长期从事计算语言学的相关研究工作，主要包括机器翻译、语言分析、文本挖掘等。团队研发的支持140种语言互译的小牛翻译系统已经得到广泛应用。

《面向神经机器翻译的篇章级单语修正模型》[1]是EMNLP2019上一篇关于篇章级神经机器翻译的工作。针对篇章级双语数据稀缺的问题，这篇文章探讨了如何利用篇章级单语数据来提升最终性能，提出了一种基于目标端单语的篇章级修正模型（DocRepair），用来修正传统的句子级翻译结果。

1、背景

近几年来，神经机器翻译迅速发展，google在2017年提出的Transformer模型[2]更是使得翻译质量大幅提升，在某些领域已经可以达到和人类媲美的水平[3]。然而，如今的大部分机器翻译系统仍是基于句子级的，无法利用篇章级的上下文信息，如何在机器翻译过程中有效利用篇章级信息是当今的研究热点之一。

随着基于自注意力机制的Transformer模型在机器翻译任务中广泛应用，许多之前基于循环神经网络（RNN）机器翻译模型的篇章级方法不再适用。最近，许多研究人员尝试对Transformer进行改进，在编码或解码阶段引入上下文信息。Voita等人[4]首先提出了一种基于Transformer的模型（图1）的篇章级翻译模型，在传统的模型之外，额外增加了一个上下文编码器（context encoder）用来编码上下文信息，然后和当前句子的编码结果进行融合，送到解码器。张嘉诚等人[5]采用了另外一种做法，分别在编码器和解码器中增加了一个上下文注意力（context attention）子层（图2）用来引入上下文信息。还有一些研究人员尝试使用二阶段（two-pass）模型的方式[6][7],首先进行句子级解码，然后使用一个篇章级解码器结合句子级解码结果和源语上下文编码来进行篇章级解码。此外，一些工作对篇章级翻译需要引入那些上下文信息进行了探究。

上述工作在机器翻译的过程中引入上下文信息，将篇章级翻译作为一个整体过程。这种方式建模更加自然，但是需要足够的篇章级双语数据进行训练。然而，实际中篇章级双语数据很难获取，作者就是针对篇章级双语数据稀缺的问题提出了DocRepair模型。

2、DocRepair模型

和二阶段的方法类似，DocRepair模型也是对句子级结果的修正，但是不同点在于，DocRepair模型仅仅需要使用单语数据。作为一个单语的序列到序列模型（seq2seq）模型，DocRepair模型需要将上下文不一致的句子组映射到一个一致的结果，来解决上下文的不一致性，过程如图2。

模型的训练语料来自于容易获取的篇章级单语语料。单语数据中上下文一致的句子组作为模型输出，而通过round-trip的方式构建的上下文不一致的句子组作为模型输入。round-trip分为两个阶段，需要正向和反向两个翻译系统。首先使用反向的翻译模型将目标端的篇章级单语数据翻译到源语端，得到丢失了句子间上下文信息的源语结果，然后通过正向的翻译模型将源语结果翻译回目标端，得到最终需要的上下文不一致的目标端数据，整体流程如图3所示。

DocRepair模型采用了标准的Transformer结构（图4），模型输入为不包含上下文信息的句子序列，通过一个分隔令牌连接成一个长序列，模型输出为修正后的上下文一致的序列，去掉分隔令牌得到最终结果。

作者提出的这种结构可以看作一个自动后编辑系统，独立于翻译模型，最大的优点就在于只需要使用目标端单语数据就能构造训练集。相对应的，这种方法引入了额外的结构，增加了整体系统的复杂度，使得训练和推理代价变大。同时，由于仅仅在目标端根据翻译结果进行修正，完全没有引入源语端的信息，DocRepair模型可能没有充分考虑到上下文信息。之前的一些工作也证实了源语端上下文信息在篇章级机器翻译中的作用，如何利用源语端的单语数据来更好地提取上下文信息也是未来一个值得研究的方向。

3、实验

为了验证方法的有效性，作者从BLEU、篇章级专用测试集和人工评价三个角度进行了对比实验。实验在英俄任务上进行，数据集使用了开放数据集OpenSubtitles2018。

表1是DcoRepair的对比实验结果。其中，baseline采用了Transformer base模型，CADec[7]为一个两阶段的篇章级翻译模型。同时，为了验证DocRepair模型在篇章级翻译上有效性，而不仅仅是因为对句子进行后编辑使得翻译质量提升，同样训练了一个基于句子级的repair模型。可以看到，DocRepair在篇章级机器翻译上是有效的，比sentence-level repair模型高出0.5 BLEU，同时对比baseline和CADec有0.7 BLEU的提升。

人工评价使用了来自通用测试集的700个样例，不包含DocrePair模型完全复制输入的情况。如表2所示，52%的样例被人工标注成具有相同的质量，剩余的样例中，73%被认为DocrePair输出更有优势，同样证实了模型的有效性。

为了分析DocRepair对篇章级翻译中特定问题的有效性，作者在专为英俄篇章级翻译现象构造的数据集[9]上进行了验证，结果如表3。deixis代表了句子间的指代问题，lex.c表示篇章中实体翻译的一致性问题，ell.infl和ell.VP分别对应了源语端中包含而目标语端不存在的名词形态和动词省略现象。

在指代、词汇选择和名词形态省略问题中，DocRepair具有明显优势，而在动词省略问题中，DocRepair模型对比CADec低了5百分点。可能的原因是DocRepair模型仅仅依赖于目标端单语，而采用round-trip方式构造的训练集中很少包含动词缺失的样本，使得模型很难做出正确预测。

为了验证单语数据的局限性，作者在DocRepair模型上进行了不同数据构造方式的对比实验，结果如表4。one-way表示拿双语数据中的源语替换round-trip的第一步反向过程。可以看出，one-way的方式要整体高于round-trip方式，而其中对于round-trip方式最难的问题就是动词省略。

4、总结

这篇工作提出了完全基于目标端单语的DocRepair模型，用来修正机器翻译结果，解决篇章级不一致性。同时对DcoRepair在具体篇章级问题中的性能进行了分析，指出了仅仅依赖于单语数据和round-trip的构造方式的局限性。

以往的工作大多关注于在解码过程中如何融合上下文信息，但是性能往往受限于篇章级双语数据的稀缺。这篇工作为我们提供了一个新思路，可以避免双语数据稀缺的问题，但是也引出了一个新的问题。篇章级翻译的目标是解决传统句子级翻译中丢失句子间上下文信息的问题，而在这种后编辑的方法中，仅仅使用了目标端的一组没有上下文一致性的翻译结果就可以通过单语修正模型获得一致性的结果，缺乏对源语的关注。笔者认为，在双语稀缺的情况下，如何更好的引入源语上下文信息也是一个有趣的问题。

参考文献

[1] Voita, Elena, Rico Sennrich, and Ivan Titov. "Context-Aware Monolingual Repair for Neural Machine Translation." arXiv preprint arXiv:1909.01383 (2019).

[2] Vaswani, Ashish, et al. "Attention is all you need." Advances in neural information processing systems. 2017.

[3] Hassan, Hany, et al. "Achieving human parity on automatic chinese to english news translation." arXiv preprint arXiv:1803.05567 (2018).

[4] Voita, E., Serdyukov, P., Sennrich, R., & Titov, I. (2018). Context-aware neural machine translation learns anaphora resolution. arXiv preprint arXiv:1805.10163.

[5] Zhang, J., Luan, H., Sun, M., Zhai, F., Xu, J., Zhang, M., & Liu, Y. (2018). Improving the transformer translation model with document-level context. arXiv preprint arXiv:1810.03581.

[6] Xiong, H., He, Z., Wu, H., & Wang, H. (2019, July). Modeling coherence for discourse neural machine translation. In Proceedings of the AAAI Conference on Artificial Intelligence (Vol. 33, pp. 7338-7345).

[7] Voita, E., Sennrich, R., & Titov, I. (2019). When a Good Translation is Wrong in Context: Context-Aware Machine Translation Improves on Deixis, Ellipsis, and Lexical Cohesion. arXiv preprint arXiv:1905.05979.

雷锋网编辑

本文关键词：功能翻译理论的翻译策略，功能翻译理论包括几个方面，功能翻译理论的文本分析方法，功能翻译理论视角，功能翻译理论有哪些原则。这就是关于《功能翻译理论的文本分析，功能翻译理论对科技论文英译的宏观指导》的所有内容，希望对您能有所帮助！