当代外语研究 ›› 2024, Vol. 24 ›› Issue (4): 168-178.doi: 10.3969/j.issn.1674.8921.2024.04.015
出版日期:
2024-08-28
发布日期:
2024-08-13
作者简介:
赵会军,博士,福州外语外贸学院外国语学院教授、硕士生导师。主要研究方向为语料库翻译、话语分析。电子邮箱:1138173465@qq.com;基金资助:
Online:
2024-08-28
Published:
2024-08-13
摘要:
外交话语倾向是大国外交博弈的重要衡量尺度。本研究从跨语言词向量集的角度,提出了外交话语倾向度的概念及计算方法。基于中美外交发言人汉英双语语料库,在筛选中美双方汉语正、负倾向关键词的基础上,进一步优化参数,检索得到英文正、负词向量词语集数据。通过量化双方外交话语倾向,为外交话语原语表达和外译提供数据参考。研究结果表明,中美双方话语都倾向于正面,中方汉语正面强度远大于美方,但中方汉译英后正面性话语比例小于美方,而负面性增强的幅度却大于美方。研究结果提示在外交话语博弈过程中,汉译英时中方可增加英文词向量集正面词语的数量,降低英文负面词语比例,用平等的正、负面外交话语构建中美外交对等关系,与美方形成外交话语平等和政治等效格局,以期更好地达到外交目的,推动中国特色大国外交事业向前发展。
中图分类号:
赵会军, 林墨丞. 基于汉英词向量集的外交话语倾向度对比研究[J]. 当代外语研究, 2024, 24(4): 168-178.
ZHAO Huijun, LIN Mocheng. A Comparative Study on the Inclination of Diplomatic Discourse Based on Chinese-English Set of Word Embedding[J]. Contemporary Foreign Languages Studies, 2024, 24(4): 168-178.
表2
正面词向量词语集及检索数据
中文 | 英文词向量集词语(美方词频 中方词频) | 小计 | |||||||||
---|---|---|---|---|---|---|---|---|---|---|---|
发展 | develop | 36 267 | grow | 34 47 | progress | 15 38 | advance | 30 3 | exploit | 10 0 | 125 355 |
合作 | cooperat | 19 243 | together | 38 39 | partnership | 8 10 | co | 1 1 | collaborat | 1 0 | 67 536 |
和平 | peace | 44 97 | equa | l8 25 | calm | 0 1 | 62 123 | ||||
维护 | maint | 11 50 | defen | 46 12 | safeguard | 2 30 | sustain | 12 12 | uphold | 12 9 | 83 112 |
稳定 | secure | 87 0 | stability | 9 49 | stable | 5 27 | constant | 6 10 | steady | 0 3 | 107 89 |
解决 | address | 22 15 | resol | 17 13 | solv | 5 19 | handl | 2 20 | settle | 4 5 | 50 72 |
开放 | open | 64 94 | 64 94 | ||||||||
积极 | positive | 4 24 | active | 4 21 | initiative | 3 17 | proactive | 2 3 | vigor | 1 2 | 14 67 |
支持 | support | 38 51 | stand | 22 7 | favor | 14 4 | backed | 3 0 | backing | 1 0 | 78 62 |
公平 | fair | 30 13 | equa | l8 25 | justice | 11 8 | 59 46 | ||||
合计 | 709 1556 |
表3
负面词向量词语集及检索数据
中文 | 英文词向量集词语(美方词频 中方词频) | 小计 | |||||||||
---|---|---|---|---|---|---|---|---|---|---|---|
竞争 | compet | 51 31 | fight | 16 36 | rac | 8 4 | rival | 2 3 | contest | 4 1 | 81 75 |
分歧 | differen | 24 94 | gap | 2 5 | disagree | 4 0 | division | 1 3 | divid | 2 1 | 33 103 |
反对 | against | 52 40 | confront | 8 50 | hostil | 16 5 | opposit | 4 5 | resistance | 1 1 | 81 101 |
恐怖 | terror | 2 30 | horri | 2 0 | horror | 2 0 | terrible | 1 0 | 7 30 | ||
制裁 | sanction | 11 9 | restrict | 6 8 | ban | 0 4 | punish | 1 1 | crackdown | 0 2 | 18 24 |
干涉 | influence | 46 8 | interfer | 16 22 | intrus | 4 0 | interven | 1 3 | meddling | 1 0 | 68 33 |
威胁 | threat | 46 11 | bully | 2 13 | warn | 6 1 | intimida | 3 1 | jeopardiz | 2 0 | 59 26 |
窃取 | theft | 22 0 | steal | 10 1 | stolen | 7 0 | fraud | 3 0 | burglar | 1 0 | 43 1 |
强迫 | force | 43 37 | compel | 4 0 | restrain | 2 2 | oppress | 3 0 | compuls | 1 1 | 53 40 |
破坏 | break | 2 20 | undermin | 15 5 | damag | 2 13 | destruct | 1 6 | disrupt | 2 2 | 22 46 |
合计 | 465 479 |
[1] | Amir S., A. Tanasescu& D.A. Zighed. 2017. Sentence similarity based on semantic kernels for intelligent text retrieval[J]. Journal of Intelligent Information Systems(3): 675-689. |
[2] | Artetxe M., G. Labaka & E. Agirre. 2018. A robust self-learning method for fully unsupervised cross—lingual mappings of word embeddings[A]. In Proceedings of the 56th Annual Meeting of the Association for Computational Linguistics(Volume 1: Long Papers)[C]. Melbourne:Association for Computational Linguistics. 789-798. |
[3] | Garg N., L. Schiebinger, D. Jurafsky& J. Zou. 2018. Word embeddings quantify 100 years of gender and ethnic stereotypes[J]. Proceedings of the National Academy of Sciences(16): E3635-E3644. |
[4] | Martin J. R. & D. Rose. 2003. Working with Discourse: Meaning Beyond the Clause[M]. London and New York: Continuum. |
[5] | Martin J. R. & P. R. White. 2005. The Language of Evaluation: Appraisal in English[M]. London: Palgrave. |
[6] | Wodak R. & M. Michael. 2009. Critical discourse analysis: History, agenda, theory and methodology[A]. In R. Wodak & M. Meyer(eds.). Methods of Critical Discourse Analysis (2nd revised eds.)[C]. London: Sage. 1-33. |
[7] | 冯志伟. 2019. 词向量及其在自然语言处理中的应用[J]. 外语电化教学(1): 3-11. |
[8] | 郭书谏、 沈骑. 2022. 全球化时代语言治理的后现代转向[J]. 西安外国语大学学报(1): 1-5. |
[9] | 韩程程、 李磊. 2020. 语义文本相似度计算方法[J]. 华东师范大学学报(自然科学版) (5): 95-112. |
[10] |
霍跃红、 蒋瑞函. 2023. 外交话语中的民俗语言英译[J]. 当代外语研究(3): 75-82.
doi: 10.3969/j.issn.1674-8921.2023.03.009 |
[11] |
梁晓波、 肖蓉. 2020. 话语与国家安全[J]. 当代外语研究(1): 77-90, 101.
doi: 10.3969/j.issn.1674-8921.2020.01.010 |
[12] | 刘悦明. 2011. 现代汉语量词的评价意义分析[J]. 外语学刊(2): 62-67. |
[13] | 马倩、 文秋芳. 2022. 合作型与对立型外交话语的话语空间对比分析[J]. 外语学刊(3): 13-20. |
[14] |
任东升、 季秀妹. 2021. 基于“政治等效”的外交话语隐喻英译策略——以2019年外交部例行记者会发言为例[J]. 当代外语研究(3): 84-95,113.
doi: 10.3969/j.issn.1674-8921.2021.03.009 |
[15] | 司显柱、 曾剑平. 2021. 对外政治话语翻译:原则、策略、成效——以《习近平谈治国理政》的英译为例[J]. 上海翻译(2): 18-24. |
[16] | 王立非、 部寒. 2017. 中美企业话语情感倾向多维评价测量与对比分析[J]. 外语研究(4): 16-21. |
[17] | 武瑷华、 曹阳. 2011. 对等原则与外交话语[J]. 外语学刊(4): 28-31. |
[18] | 徐琳宏、 林鸿飞、 杨志豪. 2007. 基于语义理解的文本倾向性识别机制[J]. 中文信息学报(1): 96-100. |
[19] | 徐月梅、 施灵雨、 蔡连侨. 2022. 一种基于情感特征表示的跨语言文本情感分析模型[J]. 中文信息学报(2): 129-141. |
[20] | 杨明星、 张琰. 2020. 中英外交翻译中“政治等效”与话语平等辩证关系分析——从马戛尔尼使华到共建“一带一路”(1792—2019)[J]. 上海翻译(5): 24-29,94. |
[21] | 杨倩、 刘法公. 2023. 外交话语中隐喻情感对应传递一致的英译研究[J]. 中国外语(1): 89-95. |
[22] | 杨泉. 2022. 知识本体与词向量结合的词义相似度强化学习计算方法[J]. 重庆理工大学学报(自然科学)(1): 128-135. |
[23] | 尤泽顺. 2019. 外交话语研究:话语分析如何与外交研究深度融合[J]. 外国语言文学(5): 485-500. |
[24] | 赵会军、 林国滨. 2022. 机器翻译词语漏译的语料库语境策略研究[J]. 外语教学与研究(2): 277-287,321. |
[1] | 霍跃红, 蒋瑞函. 外交话语中的民俗语言英译[J]. 当代外语研究, 2023, 23(3): 75-82. |
[2] | 任东升, 季秀妹. 基于“政治等效”的外交话语隐喻英译策略——以2019年外交部例行记者会发言为例[J]. 当代外语研究, 2021, 21(3): 84-95. |
[3] | 许文胜, 方硕瑜. “人类命运共同体”英译在英语社会的传播与接受——基于G20国家新闻报道的研究[J]. 当代外语研究, 2020, 20(4): 82-95. |
阅读次数 | ||||||
全文 |
|
|||||
摘要 |
|
|||||