典籍翻译中诠释与修辞的界面性研究

来源 :外语研究 | 被引量 : 0次 | 上传用户:shengjie139
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在典籍翻译过程中,诠释是一个举足轻重的阶段,典籍文本有着广阔而深远的诠释空间.同时典籍的翻译诠释又是一个经学诠释学和西方诠释学交汇的场域,因此可以运用比较诠释学的方法审视翻译的诠释过程.于是,取法于经学诠释学的注译、疏译、说译和隐译就反映了典籍翻译的诠释特征.更为重要的是,典籍翻译的诠释方法又需要落实到译文中去,对译文的修辞有着至关重要的影响,这就是翻译中诠释与修辞的界面性特征.本研究主要利用《道德经》的韦利和理雅各的英译,例示了翻译中的诠释和修辞的交互面,也就是它们相互构成的界面,从而揭示出翻译从诠释到译文修辞的临界特征,说明译文是诠释面和修辞面合力构成的结果.
其他文献
随着深度学习技术的发展,卷积神经网络和循环神经网络等模型在越来越多的领域表现出卓越的性能.时间序列数据的分析与预测是一个重要的研究领域,并且传统的时间序列模型在存在复杂依赖关系的应用场景的效果有待提高.鉴于此,主要探讨将循环神经网络应用于时间序列分析与预测,并与传统的Auto-Regressive(AR)模型进行比较,实验结果表明循环神经网络对时间序列的分析和预测性能有明显提高.
法院系统中主要有人工指定分案和简单随机分案两种模式.这两种模式无法做到人案的自动匹配,存在金钱案、关系案等弊端.目前分案方法的相关研究主要存在法官表示和案件匹配两个难点.结合法官历史审判数据,在法官表示中融合法官擅长的审判领域,提出一种融合审判质量的法官表示方法.然后,通过卷积神经网络学习案件表示和法官表示中不同粒度的抽象语义特征向量,计算案件和多个法官的特征向量间的余弦相似度,用向量相似度表示案件与法官的匹配度,输出匹配值较高的前N个法官作为案件的推荐法官.在贵州省某法院真实数据下进行实验,结果表明该方
多星协同的对地观测可提供多谱段、多时相、多要素、多尺度、多层次的遥感数据,为数值天气预报提供丰富的价值信息.为了支撑未来地球系统无缝隙精细化网格预报服务,从探测变量、时间分辨率、空间覆盖度和水平分辨率、垂直分辨率、精度与时效等方面探讨了数值天气预报对卫星观测大数据需求的应用现状.同时,为了使卫星大数据高受容于数值天气预报,总结了多星数据一体化一致性处理、全天候/耦合的资料同化方法、与人工智能深度结合、卫星观测与预报互动等方面面临的挑战和前景.