机器学习算法在翻译风格研究中的应用
支持向量机是文本分析领域应用最多的机器学习算法之一,但其在翻译风格研究中的应用却并不多见.本研究基于语言计量特征,运用机器学习的方法对比王科一、张经浩两译者《傲慢与偏见》译本的翻译风格.首先,用信息增益算法获取两译者具有差异性的语言特征,然后基于这些特征构建文本分类器即支持向量机(SVM),对两译者的翻译文本进行自动分类,最后用十折交叉法对分类器的有效性进行验证.研究证明,机器学习算法分类准确率高,且具有很强的预测功能,有助于判定或预测译本或者译者的风格.与传统方法相比,该方法省时省力,过程可重复,结果精确可靠,便于处理大量陌生语料和海量特征,能发现文本间更细微的特征差异,为大数据时代的探索性翻译研究提供了便利,是翻译研究科学化的一种新的尝试.另外,本研究结合统计数据对差异性语言特征进行分析,分析结果与前期研究和研究者对文本的感受高度吻合,具有很强的可解释性.
机器学习算法、信息增益法、支持向量机、翻译风格
38
H059(写作学与修辞学)
教育部社科规划项目“中医汉英平行语料库的构建与应用研究”15YJC740127;国家社科基金规划项目“译出与译入文本语言特征的计量风格学研究”项目17BYY007的部分研究成果
2017-10-10（万方平台首次上网日期，不代表论文的发表时间）
共6页
80-85
