A Study on the Philosophical Connotation and English Translation Strategies of the Word “Body” in The Analects of Confucius Based on Computer Semantic Modeling from the Perspective of Embodied-Cognitive Translatology
Notice bibliographique
Résumé
With the need of international dissemination of Chinese culture, the problem of translating traditional Chinese texts gradually emerges.The study embeds a computer semantic model into the English translation of The Analects of Confucius, and constructs a natural language understanding model based on S-LSTM network through semantic representation of natural language processing.In order to explore the performance of the S-LSTM model, it is compared with RNN, LSTM, I-LSTM and other models in terms of training time and accuracy, so as to validate the superiority of the S-LSTM model in this paper.This paper deeply explores the philosophical connotation of the character "body" in The Analects, and studies the structural complexity of the translation of the character "body" through the S-LSTM model.Finally, the English translation strategy of The Analects and other classics is proposed.Among all the comparison models, the S-LSTM model has the fastest training speed and the highest accuracy.The translation of the word "body" in The Analects and the local complexity of the ministry are characterized by complication.The local complexity of the noun and the subject in the source English language, and the overall complexity of the "be-passive" structure have obvious effects on the structure of the translated Chinese character "body".
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,004 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».