-
摘要: 【目的】随着中华文化“走出去”战略的实施,中外文化交流日益频繁,本文研究《论语》这一儒家经典作 品的英译本在海外的传播与接受情况,为后续中国文学作品走出国门提供决策支持。【方法】利用 Python 的 scrapy 和 selenium 库爬取 Goodreads 网站上刘殿爵《论语》译本的读者评论 952 条,运用 NLP 中的基于规则的 vader 情感 分析模型和 LDA 主题模型等人工智能技术对评论文本进行定量与定性分析。【结果】发现译本评论持续增长且正 面评论居多,vader 情感分析器的准确率约为 67.7%; 正面评论中“《论语》哲学智慧”主题的 LDA 概率强度较高 ; 负面评论集中批评译本的文风、逻辑和翻译质量等。【结论】自然语言处理相关技术可有效评估经典作品的海外传 播效果,为后续中国文学作品走出国门提供决策支持。
-
[1] 潘文国 . 大变局下的语言与翻译研究 [J]. 外语界,2016 (1):6-11. [2] 李洁,魏家海 . 基于在线书评的《生死疲劳》英译本海外 接受研究 [J]. 解放军外国语学院学报,2022(3):144- 150. [3] Robinson,D. Western Translation Theory from Herodotus to Nietzsche[M]. Beijing:Foreign Language Teaching and Research Press,2006. [4] 尹飞舟,谢清风 . 图书翻译出版的五 R 评价 [J]. 出版发 行研究,2019(6):87-90. [5] 陈龙 . 大众传播学导论 [M]. 苏州:苏州大学出版社, 2013. [6] 谢天振 . 中国文学走出去:问题与实质 [J]. 中国比较文学, 2014( 1):1-10. [7] 张璐 . 从 Python 情感分析看海外读者对中国译介文学的 接受和评价:以《三体》英译本为例 [J]. 外语研究,2019 (4):80-86. [8] 余承法,郑剑委 . 基于读者反馈的《西游记》英译版海外 传播研究 [J]. 湖南师范大学社会科学学报,2021(6): 83-89. [9] H. Liu,"A Study on the Reader Reception of English Translations of The Analects-Data Analysis with Python," 2020 5th International Conference on Mechanical,Control and Computer Engineering (ICMCCE),Harbin, China,2020: 2381-2387. [10] Picard R W. Affective Computing[M]. London:MIT Press,1997. [11] 刘丽娜 . 在线中文评论离散情感分析及其影响研究 [D]. 北京:北京邮电大学,2019. [12] Pang,B. & L. Lee.2002. Thumbs up:sentiment classification usingmachine learning techniques[C] ∥ Proceedings of the 2002 Conference on Empirical Methods in Natural Language Processing. Philadelphia:ACL:79-86. [13] Bengio Y,Ducharme R,Vincent P,et al. A neural probabilistic language model [J]. Journal of Machine Learning Research,2003(6):1137-1155. [14] 刘龙飞,杨亮,张绍武等 . 基于卷积神经网络的微博情 感倾向性分析 [J]. 中文信息学报,2015(6):159-165. [15] Irsoy O ,Cardie C .Opinion Mining with Deep Recurrent Neural Networks[C]//Proceedings of the 2014 Conference on Empirical Methods in Natural Language Processing (EMNLP). [16] Wang J ,Yu L C ,Lai K R ,et al.Dimensional Sentiment Analysis Using a Regional CNN-LSTM Model[C]//Meeting of the Association for Computational Linguistics.2016. [17] 曾义夫,蓝天,吴祖峰,等 . 基于双记忆注意力的方面 级别情感分类模型 [J]. 计算机学报,2019(8):13. [18] Devlin J,Chang M W,Lee K,et al. BERT:PreTraining of Deep Bidirectional Transformers for Language Understanding[OL]. arXiv Preprint,arXiv:1810.04805. [19] Radford A,Narasimhan K,Salimans T,et al.Improving language understanding by generative pretraining[EB/OL]. [2020-03-15].https://www.cs.ubc.ca/ ~ amuham01/ LING530/papers/radford2018improving.pdf. [20] 俞定国,朱琳,孙学敏等 . 突发公共事件中网络意见领 袖传播特征及引导策略研究——基于主题与情感融合视 角 [J]. 科技传播,2023(6):140-145. [21] Blei D M,Ng A Y,Jordan M I.Latent Dirichlet Allocation[J].Journal of Machine Learning Research, 2003 ( 4 ) :993-1022. [22] 王鹏,高铖,陈晓美 . 基于 LDA 模型的文本聚类研究 [J]. 情报科学,2015(1):63-68. [23] 胡吉明,陈果 . 基于动态 LDA 主题模型的内容主题挖掘 与演化 [J]. 图书情报工 作,2014(2):138-142. [24] 封思贤,袁圣兰 . 用户视角下的移动支付操作风险研究 ——基于行为经济学和 LDA 的分析 [J]. 国际金融研究, 2018(3):68-76. [25] 杨奕,张毅,李梅等 . 基于 LDA 模型的公众反馈意见 采纳研究——共享单车政策修订与数据挖掘的对比分析 [J]. 情报科学,2019(1):86-93. [26] 张柳,王晰巍,黄博等 . 基于 LDA 模型的新冠肺炎疫情 微博用户主题聚类图谱及主题传播路径研究 [J]. 情报学 报,2021(3):234-244. [27] Huntington S P .The Clash of Civilizations and the Remaking of World Order.[J].Hong Kong :The University of Hong Kong Libraries,1996. [28] 谭春辉,熊梦媛 . 基于 LDA 模型的国内外数据挖掘研究 热点主题演化对比分析 [J]. 情报科学,2021(4):174- 185.
点击查看大图
计量
- 文章访问数: 98
- HTML全文浏览量: 20
- PDF下载量: 1
- 被引次数: 0