13、天主教《新约》注释版的副文本重译与机构调解

天主教《新约》注释版的副文本重译与机构调解

1. 引言

通常认为脚注是译者表达观点的副文本元素,但在某些情况下并非如此。以2020年出版的瑞典语天主教《新约》版本为例,它基于早前瑞典政府资助委员会完成的《圣经》翻译(即Bibel 2000)。Bibel 2000旨在为全体瑞典公民提供宗教中立、无教派倾向的翻译,而该天主教版本则通过大量脚注从天主教视角对《新约》文本进行解读,虽未修改原文,但形成了可能存在自我冲突的双重脚注体系。

本文将探讨该天主教版本脚注如何构建《新约》文本的解读,以及如何重构其基于的原始翻译。同时,还将借助热拉尔·热奈特关于副文本和副文本性的论述,分析这些脚注作为读者与神圣世界之间门槛的作用,并提出“副文本重译”的概念。

2. 原始翻译背景
  • Bibel 2000的背景 :1972年,瑞典政府成立“圣经委员会”翻译《新约》。此前,1917年的官方翻译引发广泛不满。委员会的目标是将《圣经》视为重要文化作品,为全体瑞典人服务,不考虑特定教派的解读和宗教应用。委员会由三个翻译团队组成,董事会成员包括各政治党派、宗教团体代表和学术学者。《新约》翻译于1981年完成,1999/2001年出版包含旧约的完整版本,被视为重大文化和历史成就。
  • 天主教版本的背景 :20世纪70年代,代表罗马天主教会参与委员会的贡内尔·瓦尔奎斯特因认为翻译应考虑教会使用方式而辞职。2001年,Bibel 2000完整版本出版,同年罗马天主教礼拜仪式部发布指令,瑞典天主教会认为部分内容需修订,但与瑞典圣经协会协商无果。最终,斯德哥尔摩罗马天主教教区推出天主教版本,保
深度学习作为人工智能的关键分支,依托多层神经网络架构对高维数据进行模式识别函数逼近,广泛应用于连续变量预测任务。在Python编程环境中,得益于TensorFlow、PyTorch等框架的成熟生态,研究者能够高效构建面向回归分析的神经网络模型。本资源库聚焦于通过循环神经网络及其优化变体解决时序预测问题,特别针对传统RNN在长程依赖建模中的梯度异常现象,引入具有门控机制的长短期记忆网络(LSTM)以增强序列建模能力。 实践案例涵盖从数据预处理到模型评估的全流程:首先对原始时序数据进行标准化处理滑动窗口分割,随后构建包含嵌入层、双向LSTM层及全连接层的网络结构。在模型训练阶段,采用自适应矩估计优化器配合早停策略,通过损失函数曲线监测过拟合现象。性能评估不仅关注均方根误差等量化指标,还通过预测值真实值的轨迹可视化进行定性分析。 资源包内部分为三个核心模块:其一是经过清洗的金融时序数据集,包含标准化后的股价波动记录;其二是模块化编程实现的模型构建、训练验证流程;其三是基于Matplotlib实现的动态结果展示系统。所有代码均遵循面向对象设计原则,提供完整的类型注解异常处理机制。 该实践项目揭示了深度神经网络在非线性回归任务中的优势:通过多层非线性变换,模型能够捕获数据中的高阶相互作用,而Dropout层正则化技术的运用则保障了泛化能力。值得注意的是,当处理高频时序数据时,需特别注意序列平稳性检验季节性分解等预处理步骤,这对预测精度具有决定性影响。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值