导读:本文包含了预测翻译论文开题报告文献综述及选题提纲参考文献，主要关键词:战略环境预测,经济预测,文本类型理论,翻译策略
预测翻译论文文献综述
马伊莎[1]（2019）在《《中国未来国际战略环境预测》（节选）翻译实践报告》一文中研究指出在新型全球化背景下,世界各国间贸易冲突不断,经济竞争愈演愈烈。虽然中国始终坚持和平发展、共同发展的亚太合作对外经济政策,但是很多国家仍然把中国当成假想敌。在当前的国际形势下,有效的经济预测显得尤为重要。《中国未来国际战略环境预测》一书的第四章是对世界经济环境的分析,预测未来经济发展的可能性,并提出了有效见解。鉴于此,本文作者选取该章作为翻译实践的对象,并进行相关研究。作者在分析《中国未来国际战略环境预测》(第四章)基本语言特征的基础上,从该章的自译英文稿中选取典型案例作为分析对象,以赖斯的文本类型理论为指导,从词汇、句法和语篇叁个角度出发,系统分析了翻译过程中所遇到的多种困难,并提出了对应的翻译策略。本实践报告表明,赖斯的文本类型理论对于经济预测报告等功能类文本的翻译及其批评具有一定的指导意义。作者认为,本翻译实践报告可以为今后经济预测报告翻译或者相关经济类文献翻译提供借鉴和有价值的参考,对其他译者解决翻译过程中遇到的难题也将具有一定的启发意义。(本文来源于《曲阜师范大学》期刊2019-06-12）
刘慧芳[2]（2019）在《联合残基和残基对特征预测蛋白内部翻译后修饰位点间的相互作用》一文中研究指出蛋白质翻译后修饰(Post-translational modification,PTM)之间的相互作用在调节蛋白质活性、细胞信号转导、基因表达以及蛋白质-蛋白质相互作用等生物学过程中发挥着至关重要的作用,研究这类相互作用有利于深入阐明由PTM介导的调控机制。通过实验方法检测PTM相互作用耗时费力,而计算方法的开发则有望弥补实验技术的不足。现有大多数的计算研究主要依赖于序列层面的残基关联特征来开发预测模型,忽略了PTM相互作用位点的结构信息和单个残基的特性,从而阻碍了预测精度的提升。因此,开发新算法以克服现有研究中的局限性显得至关重要。本研究提出了一种基于结构信息的算法(PTM Cross-Talk predictor,PCTpred)来提高预测PTM相互作用的准确性。该算法首先在蛋白质序列和结构层面设计了一系列残基关联特征(如共进化信息、共定位信息等)和独立残基特征(如致病性分数、拉普拉斯拓扑指标等),通过比较分析发现正负样本在基于残基对和残基的特征上均具有显着的差异。然后,利用前向特征选择技术保留了23个新引入的描述符和3个传统描述符,在此基础上分别开发了序列分类器PCTseq和结构分类器PCTstr,并通过权重联合构建了最终的预测模型。基于样本和蛋白层面的评价,PCTpred获得的曲线下面积分别为0.903和0.804。即使在去除样本中的距离偏好或使用模拟的蛋白结构作为输入,本算法的预测性能仍能得到维持或适度降低。对不同类型的PTM相互作用子集和文献收集的共修饰肽段进行测试,PCTpred依旧获得了良好的预测效果,从而展现出较强的泛化能力。与目前最优秀的算法相比,PCTpred在各种类型的评测中均能获得较高的预测精度。PCTpred的源代码和数据集可从以下链接获取https://github.com/Liulab-HZAU/PCTpred。(本文来源于《华中农业大学》期刊2019-06-01）
孙婧婕[3]（2019）在《《利用COSOM-CLM模型在不同空间分辨率下对中东-北非地区的气候变化预测》翻译实践报告》一文中研究指出本文是以气候环境科学论文为项目语篇的翻译报告,所选论文来自世界上最大科学文献出版社之一爱思唯尔(Elsevier)旗下的国际学术期刊《气候变化研究进展》(Advances in Climate Change Research),该文章以气候变化并且以在COSMO-CLM模型中不同空间分辨率下气候变化所得出的实验数据作为参考,来预测了21世纪中东-北非地区未来气候条件的变化,以帮助气候学家能对中东-北非地区的气候变化有更深入的了解,并且更加重视气候变化对人类的影响。本文以尤金·A·奈达(Eugene Nida)的功能对等理论指导,从具体的词汇术语和句子出发,用案例分析的形式深入探讨了气候环境英语的文体特征。译者力求在翻译时达到两种语言最大程度上的功能对等,在做到与源语言最接近的自然对等的前提下,保证文章的规范性,从而实现预期翻译效果达到翻译目的。(本文来源于《天津理工大学》期刊2019-06-01）
王睿[4]（2019）在《《预测机器：人工智能的简单经济学》（1-4章）英汉翻译实践报告》一文中研究指出人工智能的意义非凡并受到世界瞩目,它不仅改变了商业领域的游戏规则,也让人类的工作变得比以往更加智能和便捷。国外涉及该领域的最新着作对于中国读者进一步了解科技发展形势有着重要作用。本论文是一篇与人工智能有关的英汉翻译实践报告。原文文本节选自《预测机器:人工智能的简单经济学》的前四章,该着作由阿贾依·阿格拉沃尔,约书亚·甘斯和阿维·戈德法布联合撰写。该书重申了智能机器预测的力量和数据的重要性,还讨论了如何通过使用人工智能来优化商业决策、工作流程和管理运营。该报告首先依据凯瑟琳娜·莱斯的文本类型理论将原文划分为信息型文本,其语言充满客观性与逻辑性。在此翻译实践报告中,译者主要讨论了翻译过程中遇到的难题及其解决方法,以使目标读者可以更加准确地了解人工智能。针对翻译难题,译者主要从词汇和句法两个层面进行了分析。在翻译科技、经济领域的术语时,译者采用了加注和移译的方法;针对长难句,译者采用了句式重构的方法;为了保证译文衔接流畅,逻辑关系紧密,译者又从语篇层面出了解决方法,包括照应和替代。通过使用以上方法,译文可以更加准确和流畅。本次翻译实践具有一定的价值,为国内研究人工智能的读者供了建议。尤其是对企业经营者来说,他们可以从译本中获得一些灵感,改变商业模式以获取更大的利润。另外,译者还希望通过从词汇、句法和语篇层面总结出的翻译方法为今后翻译科技类文本供借鉴。(本文来源于《内蒙古大学》期刊2019-05-28）
南铉国[5]（2019）在《基于序列信息的蛋白质翻译后修饰位点预测方法研究》一文中研究指出随着人类基因组计划的完成和后基因组时代的到来,测序技术为生物学研究积累了大量的可挖掘数据。根据分子生物学中心法则,遗传信息保存在DNA中,但是真正行使生物学功能的是蛋白质。以mRNA为模板翻译出的前体蛋白是没有生物活性的,它需要经过一系列的加工过程才能成为具有生物功能的成熟蛋白。这种加工过程被称为翻译后修饰。翻译后修饰是蛋白质行使其正常生物学功能的基础。大量研究表明,发生在蛋白质赖氨酸残基上的Pupylation、泛素化和琥珀酰化修饰与许多疾病的发生存在密切相关性,阐明这些蛋白质翻译后修饰的过程和内在调控机理是揭示相关疾病发生机制并进行精准治疗的前提,而研究蛋白质翻译后修饰的关键起始步骤是找到可修饰蛋白及其作用位点。利用生物实验方法识别蛋白质翻译后修饰位点耗时长,经费投入大,而且翻译后修饰的酶促反应是一个极为耗时的过程,这严重制约了翻译后修饰位点识别研究的进展速度。随着生物信息学和计算生物学的发展,一些基于计算方法的蛋白质翻译后修饰位点识别技术被提出来,这些计算方法既能够高效而准确地识别蛋白质翻译后修饰位点,又能够进一步地对生物实验研究提供必要的线索。本文基于蛋白质序列信息对发生在赖氨酸残基上的翻译后修饰位点识别方法进行了深入研究,主要研究内容如下。(1)提出了一种新的蛋白质Pupylation位点识别方法EPuL。该识别方法的创新点体现在对初始可靠负样本集的构造,对于基于正例和无标记样本学习(Positive-Unlabled Learning,PU学习)过程,初始可靠负样本集的构造对算法整体性能至关重要。本文提出了一种基于分类器的初始可靠负样本集构造方法。初始可靠负样本集构造出来后,通过一个迭代过程对其进行扩充,最后构造出最终的可靠负样本集,并与正样本集构成最终的训练集,训练一个最终的支持向量机分类器来进行Pupylation位点识别。训练集上的交叉检验和独立样本集测试结果表明我们所提方法在预测性能上优于已有方法。另外,利用该算法从未注释位点的Pupylation蛋白质序列中识别出了一批潜在的Pupylation位点。特征分析结果表明本研究中使用的序列特征提取方法可以有效区分正样本和负样本。最后,根据此方法开发了一个用户友好的Web服务器提供免费的蛋白质Pupylation位点预测服务。(2)针对蛋白质泛素化位点识别问题开发了一种基于半监督学习与集成学习方法的预测算法。该算法首先选用伪氨基酸构成、蛋白质无序性打分、氨基酸理化性质、位置特异性得分矩阵、k-间隔氨基酸对构成、序列二进制编码和K近邻得分等7种方法对序列进行特征提取,对每一条序列构建8个独立的特征向量。位点识别算法首先利用改进的基于正例学习(Positive Sample only Learning,PSoL)算法根据8种特征向量从无标记样本集中逐步构建可靠负样本集,用于后续预测模型的训练。位点预测模型选用的是基于集成学习策略的随机森林算法。首先用每种单一特征分别训练一个随机森林模型,最后采用逻辑回归算法对8个随机森林模型的预测结果进行整合得到最终的预测结果。训练集上的10倍交叉检验和独立测试集的测试结果表明,本研究中提出的方法能够对物种特异的蛋白质泛素化位点和跨物种的综合性数据中的蛋白质泛素化位点进行有效识别,并且预测性能较现有泛素化位点预测算法得到了提高。最后,对算法进行特征分析,单一特征与组合特征比较结果证明组合特征预测较每种单一特征的预测效果都高,从而证明了特征组合的有效性。随机构建负样本集与本文构建的可靠负样本集上的比较结果证明了基于半监督学习的可靠负样本提取策略可以有效提高算法预测性能。(3)提出了一种用于蛋白质琥珀酰化位点预测的深度学习框架SucDeep。首先在k-间隔氨基酸对构成的基础上设计了一种新的序列特征提取方法。该方法用一个21×21维的矩阵来表示每一种氨基酸对在序列中出现的次数,每一个矩阵可以表示一种间隔的氨基酸对构成情况,然后把表示多种间隔的矩阵合并成在一起,构成一个与多通道图像类似的矩阵集合,作为待预测序列的一种特征。这种多通道特征矩阵是稀疏的整数矩阵,类似于计算机图像的表示方式,适用于深度学习模型。同时还采用位置特异性得分矩阵对序列进行特征提取,把每一条序列转换成一个20维的方阵。然后开发了一种基于间谍技术的半监督学习算法,用于从无标记样本中构建可靠负样本集。位点预测算法选用的是一种深度学习框架。该深度学习框架由两个多层卷积神经网络构成,每个子网络由3个卷积层,3个池化层和3个全连接层构成,并使用一个全连接层对两个子网络产生的特征进行拼接进行最终的预测。模型训练过程采用Bootstrapping策略,有效避免了训练集不平衡对算法性能的影响。最后构建了一个大规模的蛋白质琥珀酰化位点数据集对算法性能进行了测试,训练集上的5倍交叉检验结果和独立测试集的测试结果表明,我们所提出的算法较现有琥珀酰化预测算法在预测性能上有所提高。(本文来源于《东北师范大学》期刊2019-05-01）
周改丽[6]（2019）在《手语翻译的预测技能在聋人大学生课堂教学中的运用——以摄影专业为例》一文中研究指出聋人大学生课堂教学中的手语翻译,是将健听教师所讲的内容同步翻译成手语传达给聋生,或者把聋生的发言内容同步翻译成口语传递给健听教师的一种翻译方式。丹尼尔·吉尔的认知负荷模型在适应课堂手语翻译的同时,也拥有自己的特征。手语翻译员的认知负荷更重,难度更大,如果想要减轻认知负荷,减少信息传递的流失,保证翻译质量,则需要手语翻译员在掌握娴熟手语技能的同时,能灵活运用多种翻译策略,预测就是其中一个行之有效的策略,在高等教育课堂中具有其重要性、必要性和可行性。(本文来源于《现代特殊教育》期刊2019年06期）
张楠,李响,靳晓宁,陈伟[7]（2019）在《神经机器翻译中英语单词及其大小写联合预测模型》一文中研究指出英文中单词有大小写之分,如果使用不规范,会降低语句的可读性,甚至造成语义上的根本变化。当前的机器翻译处理流程一般先翻译生成小写的英文译文,再采用独立的大小写恢复工具进行还原,这种方式步骤繁琐且没有考虑上下文信息。另一种方式是抽取包含大小写的词表,但这种方式扩大了词表,增加了模型参数。该文提出了一种在神经机器翻译训练中联合预测英语单词及其大小写属性的方法,在同一个解码器输出层分别预测单词及其大小写属性,预测大小写时充分考虑源端语料和目标端语料上下文信息。该方法不仅减小了词表的大小和模型参数,译文的质量也得到提升。在WMT 2017汉英新闻翻译任务测试集上,相比基线方法,该方法在大小写敏感和大小写不敏感两个评价指标上分别提高0.97BLEU和1.01BLEU,改善了神经机器翻译模型的性能。(本文来源于《中文信息学报》期刊2019年03期）
王金娟[8]（2018）在《《商务预测》（第一章）翻译实践报告》一文中研究指出本实践报告选用的翻译材料是Business Forecasting(中文译名:《商务预测》)一书第一章1.0-1.4节。该书是一本有关商务预测的英语学术论文集,由49篇相对独立的学术论文组成,主要分析了如何做出高质量商务预测的方法。本书专业性强、科技术语多,属于信息型文本。报告在尤金·A·奈达(Eugene A.Nida)提出的“功能对等”翻译理论指导下,探讨商务信息型文本英语科技术语的翻译问题。本报告首先描述了此次翻译实践的基本情况,主要从项目的背景、来源、材料的特点、任务要求等几个方面进行描述;第二部分翻译过程描述介绍了译前准备、翻译辅助工具和平行文本的选择,如何进行译后校审。第叁部分为翻译案例分析,运用“功能对等”翻译理论,结合翻译过程中所遇到的问题与解决办法,从直译、意译、语义扩展和术语的零翻译方法进行相应案例分析。在最后一部分翻译实践总结里,结合翻译中所出现的问题,反思了整个翻译项目,并总结了自身的收获与对未来的展望。(本文来源于《青岛科技大学》期刊2018-06-19）
王多林[9]（2018）在《基于深度学习的蛋白质翻译后修饰位点预测研究》一文中研究指出本文面向蛋白质翻译后修饰(Post-Translational Modification,PTM)位点预测问题进行了基于深度学习方法的算法研究。具体工作如下:(1)针对通用及激酶特异性磷酸化位点预测问题,提出了基于深度学习的Musite Deep框架并开发了相应的开源代码工具包。Musite Deep框架在磷酸化位点预测精度方面较已有方法取得了显着提升。同时该框架也适用于其他基于序列的PTM位点预测问题。(2)探索了与深度学习模型相关的多种训练策略,主要包括基于Bootstrapping方法的集成训练策略,结合不同物种信息的数据串行化训练策略,以及针对PTM特征层次结构而设计的模型并行化训练策略。(3)将胶囊网络应用于生物序列研究中,建立了面向多种PTM位点预测问题的模型,并探索了胶囊网络在生物序列分析中的优势。本文的研究为如何将深度学习方法应用于PTM预测问题提供了一套流程,为其他基于蛋白质序列的预测方法的研究奠定了基础,并将会启发深度学习方法在计算蛋白质组学中其他方向的应用。(本文来源于《吉林大学》期刊2018-06-01）
何翠[10]（2018）在《《2017中国经济形势分析与预测》翻译实践报告》一文中研究指出本文是一篇汉英翻译实践报告,翻译的原文取材于中国科学院发布的《2017中国经济形势分析与预测》(又称《中国经济蓝皮书》),选取第一部分——《中国经济形势分析与预测——2016年秋季报告》进行了英译实践。经济预测报告是在对一定时期的客观经济活动过程进行深入调查的基础上,运用科学的方法对掌握的经济信息加以分析研究后,所写出的评估和预测未来经济活动发展状况及变化趋势的报告。在功能上,该文本属于实用文体,与传达较强情感意义、美学意义的文学文体相对。经济预测报告的主要作用是向关注经济发展的人群传递经济信息,有利于相关人士或单位做出科学的经济决策、加强计划的管理职能,企业开拓市场和扩大经营或增强市场竞争性、提高经营管理水平等。本文以此文本的英译实践为基础,分析归纳出中文经济预测报告的文本特点是:大量使用动词、形容词、副词、名词及这些词性的短语描述经济趋势;并有专业术语多、长难句多的特点。鉴于此特点和文本功能,本翻译任务首要的翻译原则是准确、通顺,其次是遵循原文的风格,实现功能和语义对等。本文利用典型案例进行探讨和分析,总结出一些翻译技巧,希望对此类文本的翻译提供参考借鉴。本文由五部分组成:第一章为总体简介;第二章为任务描述,介绍了任务背景、文本来源和任务意义;第叁章对翻译过程进行交待,包括译前、译中和译后叁个阶段;第四章是案例分析,主要讨论了源文本特点,归纳出可行的翻译技巧(省略、转化、句式重组等),涉及词语翻译(包括各类经济报告特有的词汇翻译分析、词类转化、经济术语的翻译)和长句翻译(主要是句式重组);最后,第五章为结论,对这一翻译实践总结与反思,指出了整个翻译项目的可圈之处和遗留问题。通过本英译实践报告,希望本文能对经贸或财经文本英译质量的提高有所贡献,为国际间经济信息交流活动提供便利。(本文来源于《西南民族大学》期刊2018-05-25）
预测翻译论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
蛋白质翻译后修饰(Post-translational modification,PTM)之间的相互作用在调节蛋白质活性、细胞信号转导、基因表达以及蛋白质-蛋白质相互作用等生物学过程中发挥着至关重要的作用,研究这类相互作用有利于深入阐明由PTM介导的调控机制。通过实验方法检测PTM相互作用耗时费力,而计算方法的开发则有望弥补实验技术的不足。现有大多数的计算研究主要依赖于序列层面的残基关联特征来开发预测模型,忽略了PTM相互作用位点的结构信息和单个残基的特性,从而阻碍了预测精度的提升。因此,开发新算法以克服现有研究中的局限性显得至关重要。本研究提出了一种基于结构信息的算法(PTM Cross-Talk predictor,PCTpred)来提高预测PTM相互作用的准确性。该算法首先在蛋白质序列和结构层面设计了一系列残基关联特征(如共进化信息、共定位信息等)和独立残基特征(如致病性分数、拉普拉斯拓扑指标等),通过比较分析发现正负样本在基于残基对和残基的特征上均具有显着的差异。然后,利用前向特征选择技术保留了23个新引入的描述符和3个传统描述符,在此基础上分别开发了序列分类器PCTseq和结构分类器PCTstr,并通过权重联合构建了最终的预测模型。基于样本和蛋白层面的评价,PCTpred获得的曲线下面积分别为0.903和0.804。即使在去除样本中的距离偏好或使用模拟的蛋白结构作为输入,本算法的预测性能仍能得到维持或适度降低。对不同类型的PTM相互作用子集和文献收集的共修饰肽段进行测试,PCTpred依旧获得了良好的预测效果,从而展现出较强的泛化能力。与目前最优秀的算法相比,PCTpred在各种类型的评测中均能获得较高的预测精度。PCTpred的源代码和数据集可从以下链接获取https://github.com/Liulab-HZAU/PCTpred。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
预测翻译论文参考文献
[1].马伊莎.《中国未来国际战略环境预测》（节选）翻译实践报告[D].曲阜师范大学.2019
[2].刘慧芳.联合残基和残基对特征预测蛋白内部翻译后修饰位点间的相互作用[D].华中农业大学.2019
[3].孙婧婕.《利用COSOM-CLM模型在不同空间分辨率下对中东-北非地区的气候变化预测》翻译实践报告[D].天津理工大学.2019
[4].王睿.《预测机器：人工智能的简单经济学》（1-4章）英汉翻译实践报告[D].内蒙古大学.2019
[5].南铉国.基于序列信息的蛋白质翻译后修饰位点预测方法研究[D].东北师范大学.2019
[6].周改丽.手语翻译的预测技能在聋人大学生课堂教学中的运用——以摄影专业为例[J].现代特殊教育.2019
[7].张楠,李响,靳晓宁,陈伟.神经机器翻译中英语单词及其大小写联合预测模型[J].中文信息学报.2019
[8].王金娟.《商务预测》（第一章）翻译实践报告[D].青岛科技大学.2018
[9].王多林.基于深度学习的蛋白质翻译后修饰位点预测研究[D].吉林大学.2018
[10].何翠.《2017中国经济形势分析与预测》翻译实践报告[D].西南民族大学.2018