【摘 要】
:
中日两国是一衣带水的邻邦,历史关系源远流长。随着改革开放,当今两国在教育、文化、政治、经济等领域交流密切。翻译在其中起着非常重要的作用。众所周知,在日汉翻译中日语被动句的汉译对于许多中国的日语学习者来说是一个难点。由于语法、思维方式和文化习惯上的不同,不管是日语的被动句还是汉语的被动句,都有各种各样的表达方式。关于翻译,老舍曾说过“好像穿洋服似的,虽然挺神气,可是不像穿小棉袄那么舒服自然。正确而且
论文部分内容阅读
中日两国是一衣带水的邻邦,历史关系源远流长。随着改革开放,当今两国在教育、文化、政治、经济等领域交流密切。翻译在其中起着非常重要的作用。众所周知,在日汉翻译中日语被动句的汉译对于许多中国的日语学习者来说是一个难点。由于语法、思维方式和文化习惯上的不同,不管是日语的被动句还是汉语的被动句,都有各种各样的表达方式。关于翻译,老舍曾说过“好像穿洋服似的,虽然挺神气,可是不像穿小棉袄那么舒服自然。正确而且亲切,似乎才是译品的上乘。”日语被动句的翻译也是如此,如何翻译出正确又自然,符合中文表达习惯的被动句也是一个很有意义的研究课题。本次翻译报告以日本朝日新闻中具有百年历史的品牌栏目《天声人语》的文章作为翻译文本,探究日语被动句的翻译方法。本次翻译报告分为四个部分。第一部分,阐述日语被动句汉译的研究价值和动机,并介绍了翻译文本材料。第二部分介绍汉日被动句的先行研究和功能对等理论,并阐述了翻译过程。第三部分是在功能对等理论的指导下,结合自己的翻译实践,从直译、不译、转译、意译四个方面,探究日语被动句的翻译方法。第四部分为翻译报告的总结,包括翻译时的心得、教训以及不足之处和今后的研究课题。
其他文献
大数据时代,数据作为新型经济业态的核心,为大数据经济输送源源不断的海量资源,风险与数据静态、流动、在用三种状态相伴而生。出于公共安全与国家安全等各种考虑,数据的跨境流动基本受到严格限制,但对数据安全的治理一直聚焦于个人数据保护方面,对非个人数据安全的保护重视不够。我国对于非个人数据跨境流动的保护呈现明显的分散化、碎片化特点,缺乏非个人数据跨境流动的统一标准和规则。国际社会而言,非个人数据跨境流动规
当前,食品安全问题受到前所未有的关注。如何进一步理顺各部门职能、协同社会其他相关主体共同参与食品安全工作,成为摆在政府面前亟待解决的重大问题。协同治理克服了食品安
随着GPU在大规模深度学习场景中的广泛应用,GPU集群中多个深度学习作业的高效执行问题引起了极大的关注。深度学习云平台整合多个GPU计算资源,能够实现大规模深度学习作业的高效处理。然而,基于Kubernetes的深度学习云平台GPU调度方法将GPU作为最小资源分配单位完整分配给容器,会导致GPU资源没有得到充分的利用。同时,多个深度学习任务共同执行时,不合理的任务并行化策略会导致任务间的资源竞争;
全球变暖已经成为不争的事实,北极水域因地理位置和生态环境的特殊性,对气候变化更为敏感。全球变暖已经让北极水域冰川厚度在1975年至2012年期间减少了65%,同时也有科学家预计北极冰川会在2050左右完全融化。北极冰川的融化和厚度的减少一方面为人类活动深入北极水域带来了便利,一方面给生存栖息在北极水域的动物带来了前所未有的危机,另一方面深入北极水域的人类活动加剧了北极动物生存的难度,从而导致北极生
基于金属有机骨架化合物在酶固定与催化技术上的广泛运用,将其应用于真菌毒素的酶催化降解领域之中。选择沸石咪唑酯类金属有机骨架化合物ZIF-8作为固定化材料,对羧肽酶A(CPA)进行负载与保护,CPA可以对体系中的赭曲霉毒素A(OTA)进行高效降解。对负载前后以及不同降解体系条件下羧肽酶A复合物的降解活性进行分析。结果证明ZIF-8材料可以通过负载有效提高羧肽酶A降解赭曲霉毒素A的能力和对复杂体系条件
随着2017年版《普通高中物理课程标准》的实施,高中物理教学不再只是注重学生的学习成绩,而是把立德树人当作教育的根本任务。如何把“待优生教成优等生,把优等生教活”是一线教师应该着重去研究的课题。在日常的教学中,发现学生在探索学习的过程中没能够真真实实地领略到、理解到课本中知识的原理、本质及其核心。究其本质原因:学生对这一句话的理解不到位,不懂得如何在相应的物理情景中对其进行运用,往往在读题的过程中
宽带信号波达方向(DOA)估计已成为阵列信号处理的主要研究课题之一。在工程方面,随着对实现算法保密要求的提高,简单的利用DSP来实现DOA估计算法已不能满足需求,而FPGA(Field Programmable Gate Array)可通过逻辑门电路来从底层实现算法,所以越来越多的科研人员都开始投入对算法的FPGA实现研究。本文主要围绕宽带相干信号DOA估计算法进行研究,并结合估计性能以及FPGA
近些年来,人工智能技术在众多领域取得了瞩目成绩,如图像识别,自然语言处理等,其中深度学习是人工智能的关键技术。于此同时,心电图(ECG)的检测和分类是目前医疗领域研究的热点问题。将基于深度学习的图像识别技术应用到某些心电疾病的分类上已经达到很好的准确率,但是这些分类较好的类别往往依赖于数据的数量,如果使用分布不均匀的心电数据进行模型的训练会导致分类效果的不平衡,模型对数据量大的心率不齐类别具有很好