功能＋忠诚原则指导下的信息型文本的译后编辑——以法律文本为例

袁晓慧

（湖南工业大学，湖南 株洲 412007）

一、引言

“机器翻译”的概念由Weaver 提出，他将翻译过程视作“解码”的过程[17]。 机器翻译借助计算机系统，自动地将一种自然语言转换成另外一种自然语言[6]。 最初提出机器翻译的构想是为了实现完全自动化的高质量翻译，即无需人工参与，据后来的实践发现机器翻译虽提高了效率，但译文的质量却不尽如人意。 据此，机器翻译无法脱离人工审校。 狭义的“译后编辑”指直接对通过机器翻译得到的译文进行修改[3]；广义的“译后编辑”是在集成翻译环境中，为了保持译文质量和翻译效率，资深的编辑人员基于规定的质量目标，对输出的初始译文进行人工评审或部分自动化修订的过程[2]。 由于狭义的“译后编辑”的研究成果具有普遍性，且译后错误明显，故文章特以法律文本为例展开研究，探讨法律文本的译后编辑方法。

二、研究设计

（一）文本选取依据及来源

英国翻译理论家Peter Newmark 将文本分为表达型文本、呼唤型文本、信息型文本三种类型[11]。其中，信息型文本旨在以通俗易懂的方式，用便于理解的语言向读者传递文本信息[11]。 信息型文本的核心是内容的真实性，其重点在于真实且准确地传达文本信息，而说话者的语言形式则是次要的[18]。 信息系统中的信息分为已知信息和新信息[5]。 已知信息是指已经出现过或可根据语境断定的成分；新信息和已知信息相悖，是指未出现过或无法根据语境断定的成分[7]。

法律文本具有严谨、专业、精确、逻辑性强的特点[1]，且中文法律文本风格简明。 因而，编辑人员在处理法律文本的机翻译本时，需要斟酌是否有隐藏的已知信息尚未翻译。 文章研究的法律文本均选自绍兴文理学院的中国法律法规汉英平行语料库（大陆），该语料库内容齐全，涵盖传染病防治法及残疾人保障法，对外贸易法与商标法等。

（二）翻译平台的选择

目前市场上较为认可的翻译管理平台有YiCAT、DeepL、Google Translate、有道翻译、搜狗翻译等，其中YiCAT 是翻译项目管理平台，使用过程中可以选择有道翻译、搜狗翻译等引擎，故在此不做研究考虑。 DeepL 是一款德国研发的在线翻译平台，支持中文、英语、德语等九种语言之间的全文翻译，其运行方式是利用人工智能技术和神经网络来不断训练和提升翻译能力[4]。 2020 年3 月19 日，DeepL 翻译平台将中文纳入系统，逐渐打败谷歌，成为后起之秀。 在选取2020 年《政府工作报告》段落为原文进行试译后，DeepL 的准确度最高。 鉴于此，文章选择DeepL 为研究工具。

三、功能＋忠诚原则

功能派翻译理论代表人物主要是德国学者Katharina Reiss、Hans J. Vermeer、Justa Holz Mantari 和Christiane Nord 等[21]。 该理论的发展大致可看作四个重要阶段，分别为Reiss 的功能主义翻译批评理论、Vermeer 的目的论及其延伸理论、Mantari 的翻译行为理论和Nord 的功能＋忠诚原则[9]。 Nord 对翻译学的贡献是多方面的[20]，文章主要探讨功能＋忠诚原则，此概念在《翻译中的语篇分析》中首次提出[12]。 “功能”原则指译文在目标译文中实现预期的功能[9]，“忠诚”原则要求译者协调翻译任务发起者、原文作者以及译文读者之间的人际关系，译者在协调好三者人际关系的情况下运用自己的专业技能去实现译文的功能[9]。 诺德的理论虽然不能解决所有的翻译问题[20]，但足以为译员提供借鉴。

相较翻译能力，译后编辑能力是新兴概念[10]。现代技术发展日新月异，越来越多的学者开始把工具或技术能力视为翻译能力的有机组成部分，翻译学正在发生技术转向[16]，而机器翻译错误可以为专门的译后编辑工具研发提供依据[3]。 文章按照李梅、朱锡明[8]的研究框架，最终确定的考查方面有:词汇术语（术语误译为一般义）、词汇连词（and 和when 等误译）、词汇漏译（源语言未完全译为目标语言）、句法次序（次序错误，如定语后置等）、句法被动态（主被动语态转换错误）等。

四、功能＋忠诚原则的指导作用

例1 原文:甲类传染病病原体

DeepL 译文:Category A infectious disease pathogens

译后编辑:the pathogen of A Class infectious diseases

错误类型:词汇术语，句法次序。

错误解析:①词汇术语:Category A—A Class。

②句法次序:病原体前置至句首。

例1 说明的是名词误译现象。 短语中的甲类传染病已有标准译法，系法律规定的专业术语，指鼠疫与霍乱。 而机器翻译对已经标准化的术语，依然无法准确翻译。 因此，在处理术语时，译者必定要查看语料库以求证准确性，做到“忠诚”于翻译任务发起者、原作者。 DeepL 译文采取了直译的翻译策略，但将“病原体”放在末尾，模糊了短语的核心词汇，故在译后编辑的过程中对其位置进行修改。

例2 原文:情节严重的，吊销营业执照。

DeepL 译文:Serious cases， revoke the business license.

译后编辑:If the case is serious， the company's business license shall be revoked.

错误类型:词汇漏译，句法被动态，句法次序。

错误解析:①词汇漏译:原文隐含假设的逻辑关系，在译文中应体现出来，且DeepL 译文中缺少连词，“serious cases”没有谓语，与后面的分句并不能并列。

②句法被动态:revoke—shall be revoked。

③句法次序:情节前置至句首。

例2 为陈述句，DeepL 显然继续运用直译，导致语句缺少衔接。 原文暗含的主语是“营业执照”的持有者，即“the company”，此处可根据语境判断为已知信息。 但DeepL 显然不能发现原文中隐藏的逻辑关系，导致已知信息出现漏译。 详尽分析这些错误后，按照功能＋忠诚原则对DeepL 译文进行一一修改。 在DeepL 译文的基础上，添加主语，补假设充逻辑关系，做到忠诚于原文，避免误译，正确传达信息型文本想要传递的信息，充分发挥信息型文本的功能，从而忠诚于原作者意图。

例3 原文:注册商标需要改变文字、图形的，应当重新提出注册申请。

DeepL 译文:If the registered trademark needs to change the text or graphics， it should reapply for registration.

译后编辑:Where any word or device of a registered trademark is to be altered， a new registration shall be applied for.

错误类型:词汇连词，词汇术语，句法次序。错误解析:①词汇连词:If—Where。

②词汇术语:text—word， graphics—device。③句法次序:“重新申请”前置作主语。

例3 为祈使句，句中的“If”表示假设，为了忠实于任务发起者，严谨准确地传达原文内容，特在译后编辑中将其改为“Where”，即“在……情况下”。原文结构简单，无特殊句型。 但英文常把重点放在句首，鉴于此，对DeepL 译文的次序调整，使其符合英文的行文结构，更加忠诚于译文读者。 DeepL 的术语翻译和例1 类似，无法处理专业性强的术语，为译文带来了风险和不确定性。

以上选取了含有名词短语、陈述句、祈使句等不同类型语料，借助DeepL 翻译根据功能＋忠诚原则对其译后编辑。 通过以上示例，可以发现相同或类似的错误重复率高，尤其是词汇术语和词汇漏译，这种漏译基本都因DeepL 无法处理原文的逻辑关系导致。 翻译记忆库（translation memory）在术语运用及术语一致方面能够发挥很好的作用，是非常必要的，然而这仅限于解决词汇、词组等层面的问题，却无法从语篇角度解决问题。 从语块到语篇，还需注意衔接与连贯[15]，而这一过程依赖人工译后编辑。

五、结论

译后编辑是机器与人工共同合作的结果，但译后编辑也需要由具体的翻译原则指导。 文章探究了功能＋忠诚原则对信息型文本的指导作用。 借助中国法律法规汉英平行语料库（大陆），文章对法律文本进行了分析。 尽管示例仅是语料分析中的极小部分，但机器翻译的常见错误可见一斑。 机器翻译在词汇层面，术语误译最多；在句法层面，次序紊乱和主被动语态转换错误频繁出现。 语料库词汇术语错误可以通过收集语料，建立语料库解决，而由于无法理解逻辑关系造成的句法次序紊乱才是攻克的难关。 通过将机器翻译产出的译文与标准译文对比，归纳机器翻译错误的主要类别语言规律，使得机器妥善处理逻辑关系，为译后编辑软件的研发提供基础，并将逐渐引起关注。