Targum - A Multilingual New Testament Translation Corpus
本文介绍了名为"Targum"的多语言新约翻译语料库，该语料库汇集了来自英语、法语、意大利语、波兰语和西班牙语五种语言的 651 个译本（含 334 个独特版本），通过标准化元数据标注解决了现有语料库重广度轻深度的问题，为翻译历史的定量研究提供了支持多层次分析的丰富资源。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
这篇文章介绍了一个名为 Targum 的新项目，你可以把它想象成建造了一座巨大的“圣经翻译博物馆”。
在计算机语言处理（NLP）的早期，人们把《圣经》当作一种“万能胶水”，因为它的每一节经文在不同语言里都能对应上，非常适合用来训练机器翻译。但现在，随着超级强大的 AI 模型出现，普通的《圣经》文本量太小了，就像试图用一杯水去填满游泳池，已经不够用了。
于是，研究者们（来自波兰克拉科夫 AGH 理工大学）决定换个思路：不再把《圣经》当作训练 AI 的“饲料”，而是把它当作一个值得研究的“宝藏”。他们想看看，几百年来，不同国家的人是如何用不同的方式翻译同一本书的，这背后反映了怎样的文化和历史变迁。
为了做到这一点，他们创建了 Targum 语料库。以下是用通俗语言对这篇论文核心内容的解读：
1. 核心概念：从“广度”转向“深度”
以前的数据库就像超市的货架，为了展示多样性，每个国家只放一两瓶啤酒（翻译版本）。虽然种类多，但你看不到细节。
Targum 则像是一个“精酿啤酒厂”的档案室。他们只关注 5 种语言（英语、法语、意大利语、波兰语、西班牙语），但在每种语言里，他们收集了极其丰富的版本。
- 以前：英语可能只有 1 个版本。
- 现在：英语有 194 个独特的版本（总共收集了 390 个，因为有些网站重复收录了）。
- 比喻：这就像以前你只能看到“苹果”这个大类，现在你能看到“红富士”、“国光”、“青苹果”、“蛇果”等几百种具体的苹果，甚至能分辨出它们是哪一年、哪个果园、哪个批次生产的。
2. 他们是怎么做的？（像侦探一样工作）
收集这些文本并不简单，因为互联网上的数据很乱。
- 第一步：全网搜罗。他们像蜘蛛一样，从 12 个不同的在线圣经图书馆和 1 个旧数据库里“抓取”了 651 个新约译本。
- 第二步：去伪存真（核心难点）。这是最像侦探工作的部分。同一个翻译版本（比如著名的《钦定版圣经》KJV），在不同网站上可能有不同的名字，或者出版年份写错了。
- 研究者们没有依赖 AI 自动判断（因为 AI 经常搞混细微差别），而是人工像整理家族族谱一样，给每个版本贴上“身份证”。
- 他们确定了：这是哪个版本？是哪一年修订的？是公版（免费）还是受版权保护？
- 比喻：就像你在整理一堆老照片，虽然照片背面写的名字不一样，但通过比对细节，你确认它们其实是同一个人、同一天的同一张底片，于是把它们归为一类。
3. 这个博物馆有什么用？
有了这个深度数据库，研究人员可以做以前做不到的事情：
- 微观分析（像显微镜）：
你可以专门研究“钦定版圣经”这个家族。看看从 1611 年到现在，它的语言是怎么一点点变动的？是变得更通俗了，还是更严肃了？这就像观察一棵树的年轮，记录历史的变迁。 - 宏观分析（像望远镜）：
你可以把 5 种语言放在一起对比。比如，研究发现法语的翻译通常比波兰语的翻译要长一些。为什么？可能是因为法语习惯多用冠词和介词，而波兰语因为格变化丰富，用词更精简。这反映了语言本身的性格，而不仅仅是翻译者的喜好。 - 给新翻译“定位”：
如果今天有人翻译了一本新的《圣经》，我们可以把它放进这个数据库里，看看它和谁最像？是像传统的保守派，还是像现代的动态意译派？这就像给新来的学生做一个“性格测试”，看看他属于哪个班级。
4. 一些有趣的发现
- 时间分布：虽然他们收集了从 16 世纪宗教改革时期开始的古老版本，但最近 50 年的翻译版本最多。这说明人们对《圣经》的翻译热情从未减退，而且风格越来越多样。
- 相似性：同一个语言家族里的版本（比如都是英语的）彼此非常像（相似度 95% 以上），但不同语言之间（比如英语和波兰语）的相似度就低很多。这就像一家人说话口音很像，但和邻居说话就完全不一样了。
- 越来越“花哨”：研究发现，越现代的翻译，彼此之间的差异越大。以前的翻译大家比较守规矩，现在的翻译风格百花齐放，有的直译，有的意译，有的甚至像讲故事一样。
5. 伦理与版权
研究者非常尊重版权。
- 那些公版（版权过期）的文本，大家随便下载研究。
- 那些还在版权期内的文本，他们不会直接公开全文，但会公开“指纹”（比如数学向量、相似度分数）。如果你需要研究某个受版权保护的版本，可以联系作者申请。这就像你可以看博物馆的展品目录和高清照片，但如果想看真迹，需要走正规申请流程。
总结
Targum 不仅仅是一个数据库，它是一座连接语言、历史和神学的桥梁。它告诉我们，翻译不仅仅是把一种语言变成另一种语言，更是一场跨越几个世纪的对话。通过这个“深度”数据库，我们不仅能看到文字的变化，还能听到不同时代、不同文化背景下，人们内心对同一本书的不同回响。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。