基于BP网络的企业信息论文

〔摘要〕利用层次分析法与模糊综合评判所得的评价结果作为样本，对BP神经网络进行训练和测试。研究结果表明，基于BP神经网络的制造商与供应商信息共享程度评价是可行的。下面小编整理了一些《基于BP网络的企业信息论文 (精选3篇)》相关资料，欢迎阅读！

基于BP网络的企业信息论文 篇1：

基于ＧＭＤＨ方法和ＢＰ神经网络的经济预警模型

摘要：文章应用GMDH方法来确定BP神经网络的输入指标，对传统的BP算法进行了改进，使得输入指标的选择能自动实现，减少了人为因素的干预。用改进后的BP神经网络对四川省的工业经济状况进行了评价，计算结果表明，训练后的神经网络模型能准确对经济状况进行评价分类，从而实现对经济的预警。

关键词：人工神经网络；BP算法；GMDH方法；经济预警

一、 引言

BP神经网络的输入与输出关系是一个高度非线性映射关系，如果输入结点数为n，输出结点数为m，则网络是从n维欧氏空间到m维欧氏空间的映射，BP神经网络的这个特性使它非常适合用于经济预警。通过调整BP神经网络中的连接权值以及网络的规模，可以实现非线性分类等问题，提供良好的分类准确性。然而，一个神经网络的信息处理功能和自身的拓扑结构有重要关系。为了加强神经网络的适应和学习能力，优化网络的拓扑结构是非常必要的。使用神经网络做经济预警也有一段时间了，但它们的主要缺点是输入指标完全依据个人经验定性筛选。指标少不能反映实际情况，太多又会增加网络复杂度，因此，本文引入GMDH做指标筛选，以优化网络的拓扑结构，增强其适应能力，提高预警的准确度。

二、 研究方法

1． 人工神经网络方法原理。人工神经网络（Artificial Neural Network，简称ANN）是对大脑系统的一阶特性的一种描述，它可以采用电子线路或计算机程序来模拟生物体中神经网络的某些结构和功能，简单的说，它是一个数学模型，是人工智能研究的一种方法。

ANN是一种平行分散处理模式，其构建理念基于人类大脑神经运作的模拟，它除具有较好的模式识别能力（Pattern Recognition）外，还可以克服传统统计方法的局限，因它具有容错能力，对数据的分布要求不严格，具备处理资料遗漏或是错误的能力。ANN还具有学习能力，可随时依据新准备的数据资料进行学习、训练，调整其内部的储存权重参数以对应多变的经济环境。它通过“训练”来解答问题：把同一系列的输入因子和理想的输出因子作为“样本”，根据一定的算法对网络进行足够的训练，使得人工神经网络能够学会包含在“解”中的基本原理。当训练完成后，该模型便可以用来求解相似的问题。

1986年Rnmenhort提出的前馈网络的误差反传算法BP（Back Propagation）被认为是最适用于模拟输入、输出的近似关系，它是在ANN中算法最成熟、应用最广泛的一种。它通常由输入层、输出层和隐藏层组成，其信息处理分为前向传播和后向学习两步进行，网络的学习是一种误差从输出层到输入层向后传播并修正数值的过程，其目的是使网络的实际输出逼近某个给定的期望输出。理论上已经证明：具有偏差和至少一个S型隐含层加上一个线性输出层的网络能够逼近任何有理函数。前向三层BP网络的结构如图1所示。

图1前向三层BP网络结构图

BP人工神经网络的算法步骤如下：（1）BP网络的初始化，确定各层节点的个数，将各个权值和阈值的初始值设为比较小的随机数；（2）输入样本和相应的输出，对每一个样本进行学习，即对每一个样本数据进行步骤3到步骤5的过程；（3）根据输入样本算出实际的输出及其隐含层神经元的输出；（4）计算实际输出与期望输出之间的差值，计算输出层的误差和隐含层的误差；（5）根据步骤4得出的误差来更新输入层—隐含层节点之间、隐含层—输出层节点之间的连接权值；（6）求误差函数E，判断E是否收敛到给定的学习精度以内（E≤拟定误差E），如果满足，则学习结束，否则，转向步骤2继续进行。

2． GMDH方法原理。

（1）自组织建模的基本思想。最早的自组织数据挖掘思想GMDH（数据分组处理方法）是由乌克兰科学院A·G·Ivakhnenko院士于1967年首次提出的。在统计建模中，模型的搜索在参数空间和结构空间上同时进行，有多种方法可以自动选择模型，其中，在复杂度不断增长的模型集合基础上选出最优复杂度模型的方法值得关注，自组织建模方法利用完全的和不完全的归纳算法按这一途径实现最优复杂度模型的自动选取。它使用演化（遗传、变异和选择）的原则，实现一个模型结构综合和模型确认：模型从数据中自动产生出来，以最优传递函数网络的形式，重复产生大量具有增长复杂度的竞争模型，进行相应的模型确认并留下最好的选择，直到产生一个最优复杂度模型。

自组织建模算法以客观的方式自动的实现以下步骤：①将观测样本数据分成训练集和检测集；②在每阶段按不同的变量和增长的复杂度产生待选模型；③对于参数模型，在训练集上估计未知参数；④在每阶段利用检测集的数据选出一些最好的模型；⑤当重复步骤②—④时，随着进程的发展，模型的复杂度也增长。否则，选择最终的最优复杂度模型。

（2）GMDH算法。参数GMDH算法是自组织数据挖掘最基本的算法，它包括三种主要类型：组合算法、多层算法和调和算法。它们的实现步骤包含两个重要环节：利用内准则建立竞争模型（或称中间候选模型），再用外准则（或称选择准则）选留这些模型。外准则是建模者对实际建模问题特定要求的数学描述，它们组成了一个外准则体系。

3． 应用GMDH算法对BP神经网络的改进。研究复杂系统建模时，例如社会、经济系统，系统内各因素间的复杂关系还不能由我们现有的理论知识完全合理地进行解释，也就是说不明确哪些因素（自变量）对我们所关心的变量（因变量）关系更加密切。为避免对因变量有重要影响的因素的漏选，常用的方式是用定性分析方法先选出数量较多的对因变量较有影响的那些自变量，再建立系统的模型。当这些因素(自变量)很多时，把它们都作为BP网络的输入，显然会增加网络的复杂度，降低网络性能，大大增加计算运行的时间，影响计算的精度。

笔者应用GMDH算法为解决BP网络输入维数这一难题提供了较好的方法。由于自组织算法应用不完全归纳法，可以对大量的输入变量进行处理，因此，应用它选取变量（因素）可尽量全面、广泛，不必经过专门的主观筛选。这样，我们先用GMDH算法筛选出对因变量（网络输出）最有影响作用的变量（自变量）作为BP网络的输入变量，再用BP算法进行学习。

三、 应用实例：四川省工业经济预警模型的建立及检验

一个地区的工业经济运行状况与各工业行业生产指标密切相关，因此，我们选取各工业行业的生产值作为自变量，由它们来反映四川省的工业经济运行状况并进行预警。选取2003年2月至2004年7月的数据，把它们分为训练样本和检验样本（前14组作为训练样本，后2组作为检验样本），对数据进行归一化处理，转换为环比数据，因变量为对这13个月（1、2月的指标合并为1个月）经济运行状况的评价结果。下面我们使用本文提出的使用GMDH算法改进后的BP神经网络对2004年8月的经济运行状况进行预警（2004年8月各行业的预测值由其它方法得出，不是本文探讨的重点，因此本文不做讨论）。

1． 利用GMDH方法选择BP神经网络输入变量。输入GMDH方法的变量有：电力生产，铁矿采选，纺织制成品制造，基础化学原料制造，肥料制造，农药制造，医药制造业，水泥制造，玻璃及玻璃制品制造，炼铁，炼钢，钢压延加工，铁合金冶炼，金属加工机械制造，电机制造，输配电及控制设备制造，电子器件制造，纸制品制造，电子元件制造等19个指标。选取2003年2月至2004年5月的数据，应用自组织数据挖掘软件Knowledge Miner 5.0，对其进行模拟选优，得到的模型如下：

y=4.281×106×z11+2.905×106×z12+7.213×105×z13+1.561×104×z14-1.213×103×z15+1.455×107

z11=-2.610×105×x5+2.624e×102×x3×x5+1.406×102x62+1.045×102

z12=+1.946×105×x17-1.923×102×x13×x17-2.012×101

z13=-4.946×103×x18-1.923×102×x1×x2+3.258×103×x132+3.673×105

z14=-6.325×102×x3×x4+3.363×103×x5×x10+2.591×102×x11×x13-2.398×102

z15=6.398×103×x13×x16+3.363×102×x2×x19+7.569×101

其中y为工业总产值，x1表示电力生产，x2表示铁矿采选，x3表示纺织制成品制造，x4表示基础化学原料制造，x5表示肥料制造，x6表示农药制造，x10表示炼铁，x11表示炼钢，x13表示铁合金冶炼，x16表示输配电及控制设备制造，x17表示电子器件制造，x18表示纸制品制造，x19表示电子元件制造。这样经过GMDH优选，就只剩下13个指标作为神经网络的输入指标。

2． 模型建立。BP神经网络模型主要是借助Matlab7.0实现。

（1）配置阶段。利用GMDH方法筛选出来的13个指标作为BP模型的输入节点，输出节点数为1，把经济运行状况分为5类。输出为10000表示经济状况很好，01000表示经济状况较好，00100表示经济运行状况一般，00010表示经济运行状况较差，00001表示经济运行状况很差。隐含层节点数的选择是一个复杂的问题，它与输入输出层节点数的多少直接相关，笔者在参考一些经验公式的基础上，采用“凑试”方法，首先使用一个比较小的隐含层节点数，进行训练，如果训练次数很多或者在规定训练次数内没有收敛，则停止训练，逐步增加隐含层节点数，重新训练，先后训练了隐含层节点数分别为4，5，6，7，8，9，10，11，12，13，14，15，30，41共14种情况，最终确定隐含层的节点个数为12。

（2）训练阶段。该阶段完成对样本的训练学习。选取2003年2月至2004年5月的数据作为训练样本，因变量为对这14个月经济运行状况的评价结果，使用BP算法训练，选取学习率为0.01，期望误差最小值0.03，最大训练次数10000次。利用Levenberg-Marquardt训练函数。

训练结果为：

TRAINLM，Epoch 0/10000，MSE 0.381138/0.03，Gradient 3.00026/1e-010

TRAINLM，Epoch 11/10000，MSE 0.0202254/0.03，Gradient 1.14887/1e-010

TRAINLM，Performance goal met。

经过11次训练，网络达到要求。网络训练曲线如图2所示。

图2网络训练曲线

（3）模型检验。输入2004年6、7月2组检验样本对模型进行检验。结果为：

y =0.00000.00000.00010.99900.0001

0.00000.00000.00001.00000.0199

使用性能函数mse，得到该神经网络的性能为6.6708e-004，可以看出，是非常好的性能。如表1所示，经过训练的网络完全正确的对经济运行状况进行了分类。

3． 模型的预警。为了确认该模型的准确性，我们在matlab7.0中使用该模型对2004年8月的工业经济运行情况进行预警。预警结果为：

Y= 0.00000.00000.00001.00000.0062

从分类结果看出，这个月的经济运行状况较差。

分类结果和实际结果的比较如表2所示。

表2分类结果

四、 结束语

本文对传统BP算法进行了改进，使用GMDH算法确定神经网络的输入指标，优化了网络的拓扑结构，使网络的结构更加合理。用改进后的BP神经网络对四川省的工业经济状况进行了评价，计算结果表明，训练后的神经网络模型能准确的对经济状况进行评价分类，实现预警。

参考文献：

1．黄智．四川工业经济预警方法、模型与信息系统研究．四川大学硕士论文，2006．

2．王耀中，候俊军，刘志忠．经济预警模型评述．湖南大学学报（社会科学版），2004，（18）．

3．贺昌政．自组织数据挖掘与经济预测．北京：科学出版社，2005．

4．MUELLER J A，LEMKE F．Self—organising Data Mining．Berlin，Humburg：Libri Books，2000．

5．Kordik P et al．Modified GMDH Model and Models Quality Evaluation by Visualization．Control Systems and Computers，2003，（2）：54～67．

6．Nikolaev N Y，Iba H．Polynomial harmonic GMDH learning networks for time series modeling Neural Netwoks，2003，（16）．

7．刘洪等．基于人工神经网络方法的上市公司经营失败预警研究．会计研究，2004，（2）．

8．李晓峰等．BP人工神经网络自适应学习算法的建立及其应用．系统工程理论与实践，2004，（5）．

9．飞思科技产品研发中心．神经网络理论与matlab 7实现．北京：电子工业出版社，2005．

作者简介：何跃，四川大学工商管理学院企业信息管理系主任、副教授、硕士生导师；蒋薇，四川大学工商管理学院硕士生；魏仕强，四川大学工商管理学院硕士生。

收稿日期：2006-09-09。

“本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文”

作者：蒋　薇　何　跃　魏仕强

基于BP网络的企业信息论文 篇2：

基于BP神经网络的制造商与供应商信息共享程度评价研究

〔摘 要〕利用层次分析法与模糊综合评判所得的评价结果作为样本，对BP神经网络进行训练和测试。研究结果表明，基于BP神经网络的制造商与供应商信息共享程度评价是可行的。

〔关键词〕供应链；信息共享程度；BP神经网络

ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００８－０８２１．２０．０１．０１０

〔

Evaluation on Information Sharing Level Between Manufacturer

and Supplier Based on BP Neural NetworkGong Huaping Gong Yi Yuan Linna

（Information Engineering School，Nanchang University，Nanchang 330031，China）

〔Ａｂｓｔｒａｃｔ〕Back Propagtion(BP)network was trained and tested by the sample that was attained by AHP and Fuzzy comprehensive evaluation.The results showed that the BP-based evaluation of information sharing level evaluation between manufacturer and supplier was feasible.

〔Ｋｅｙｗｏｒｄｓ〕supply chain;information sharing level;back propagation neural network

供应链信息共享是指在供应链环境下，节点企业间关于供应链运行的各种信息资源的分享，例如客户订单、销售数据、产品需求信息、订单传递信息、交货及库存状态信息和产品在途信息等。通过信息共享，可以减少由于信息不对称和信息变异所带来的风险，加强供应链上节点企业间的相互协作，从而提高整条供应链的反应速度和竞争力。

随着对供应链信息共享研究的深入，信息共享的程度逐渐进入了人们的研究范围。节点企业间的信息共享程度不足，不能有效消除供应链中存在的“牛鞭效应”；信息共享程度太过，不仅花费的成本高，还可能带来商业机密泄露等一些负面影响，掌握好这个程度将有利于企业在供应链这个大背景中生存。供应链信息共享程度的评价将为供应链节点企业对合作伙伴关系的评估以及制定信息共享策略提供重要依据。

供应链是将供应商、制造商、分销商、零售商，直到最终用户连成一个整体的功能网链结构，两两企业间都需要信息共享，为了缩小研究范围，本文主要研究的是制造商与供应商的信息共享程度，指标来源于对史达、朱焰、楚扬杰、吴晓明等前人文献［１－４］的阅读及总结，先运用层次分析法和模糊综合评判法对20个制造商进行评价，得到的指标数据及评价结果将被分为两组：一组用来训练BP神经网络；一组用来检验训练好的网络的泛化能力，训练好的BP神经网络可以直接用来评价制造商与供应商间的信息共享程度。

１ 制造商与供应商信息共享程度的评价指标体系设计评价指标体系是由多个相互联系、相互作用的评价指标，按照一定的层次结构组成的有机整体。评价指标体系是联系评价专家与评价对象的纽带，也是联系评价方法与评价对象的桥梁。只有科学合理的评价指标体系，才有可能得出科学公正的综合评价结论。

我们在对前人文献阅读及整理的基础上，遵循评价指标应具有独立性、可行性、代表性与差异性的原则，从供应商、制造商硬件设施、制造商信息化水平、制造商信息共享、制造商共享信息效果等5个方面建立制造商与供应商信息共享程度的评价指标体系，如表１所示：表

早在1989年Robert Hecht-Nielson证明了1个3层的BP神经网络可以完成任意的n维到m维的映射。基于BP神经网络的信息共享程度评价方法，就是利用BP神经网络的函数逼近功能，通过对网络的训练，来实现信息共享程度评价输出结果与期望值之间的复杂函数关系的无限拟合、逼近。因此，本文选用含有1个隐层的3层BP神经网络。

２.１.２ 输入层的设计

输入层起缓冲存储器的作用，把数据源加到网络上。其节点数目取决于数据源维数，即这些节点能够代表每个数据源。通常，BP神经网络只能处理表示成数值的输入数据，所以需要对输入的数据进行标准化和编码化，一般将输入数据标度到限定范围［０，１］。对于定量指标，定义ｘｉ＝ｕｖｉ（ａｉ），ｉ＝１，２，Λｎ为评价指标ｕｉ的属性值ａｉ的无量纲化值，ｘｉ∈［０，１］，Ｍｉ和ｍｉ分别为指标ｕｉ的最大值和最小值。定量指标可划分为成本型指标和效益型指标。

本文输入层的节点数对应于所建立的制造商与供应商信息共享程度评价指标的个数。

２.１.３ 隐含层内节点数的选取

BP神经网络中各层节点数的选择对网络的性能影响很大。理论上来讲，如果选择的隐含层节点数太少，则会使整个神经网络的收敛速度变慢，且不易收敛。相反，如果选择的隐含层节点数太多，则会引起神经网络的拓扑结构复杂、网络训练时间急剧增加，误差也不一定最佳等问题。目前，确定最佳隐含层节点数的一个常见的方法是试凑法，在用试凑法时，可以用一些确定隐含层节点数量的经验公式，常见的有：

其中ｍ为隐含层节点数，ｎ为输入层节点数，ｌ为输出层节点数，ａ为1～10之间的常数。

上述动态调节隐含层节点数目的方法对用硬件完成BP网络有一定的好处，但是对于结构的选定所花的时间比较长。所以本文采用一种直接估算最佳隐含层节点数的方法［７］：

式中，ＮＨ为最佳隐含层节点数，ＮＩ为输入层节点数，ＮＯ为输出层节点数，ＮＰ为训练样本数。

２.１.４ 输出层的设计

输出层可以是单输出型的，也可以是多输出型的。所谓单输出型即是该网络的输入和隐含层都是由多个神经元组成，而输出层仅为1个神经元，故称之为单输出型。该种模型主要是利用BP神经网络的函数逼近功能，可以用来进行综合评判，单输出的结果是一个准确的数值。如果把数值进行区间划分，可以对应于相应的信息共享程度级别。这样所得到的信息共享程度评价结果具有较大的灵活性，既可以进行信息共享程度排序，又可以进行信息共享程度评级。所以本文所建的BP神经网络模型采用了单输出型，即输出层设计为1个节点。

２.２ 活化函数的选取

活化函数又称传递函数，它表征了神经元的输入输出特性。活化函数的基本作用有：（1）控制输入对输出的激活作用；（2）对输入、输出进行函数转换；（3）将可能无限域的输入变换成指定的有限范围内的输出。

常见的活化函数有：

（1）阈值型：这种活化函数将任意输入转化成0或1的输出，函数ｆ（ｘ）为单位阶跃函数。

（2）分段线性型：该函数使网络的输出等于加权输入加上偏差。

（3）S型（Sigmoid）函数：该函数将任意输入压缩到（0，1）的范围内。该函数具有平滑、渐近性和单调性。常用的函数形式有对数S型活化函数logsig和双曲线正切S型活化函数tansig。

对非线性问题，输入层和隐层多采用非线性活化函数。如果多层BP网络的输出层采用S型活化函数（如logsig），其输出值将会限制在一个较小的范围内（0，1）；而采用线性活化函数则可以取任意值。若样本输出均大于零时，多采用Log-Sigmoid函数，否则，采用Tan-Sigmoid函数。

针对信息共享程度评价系统，隐含层活化函数选用Tan-Sigmoid函数，输出层活化函数选用函数Log-Sigmoid。

２.３ 训练函数的选取

对于一个给定的问题，到底采用哪种训练方法其训练速度最快，这是很难预知的，因为这取决于许多因素，包括给定问题的复杂性、训练样本集的数量、网络权值和阈值的数量、误差目标、网络的用途等。

L-M算法在目前诸多神经网络的运用中较少使用，但是并不能掩盖它在运算速度和收敛性方面的杰出性能。L-M算法的训练速度比梯度下降法要快得多，但是需要消耗计算机更多的内存资源，在计算机硬件资源匮乏的年代，确实制约了L-M算法的发展，在电脑硬件设备高速发展的今天，电脑硬件方面的制约已经可以忽略，这为L-M算法的发展和推广扫平了道路。L-M算法在BP神经网络中，具有普通BP算法和改进的动量BP算法无法比拟的优势，速度比前两种BP算法快102～103倍左右，训练结果比较理想。因此本文采用函数trainlm来训练网络。

３ 应用BP神经网络评价制造商与供应商的信息共享程度本文利用AHP和模糊综合评判法来得到指标数据及评价结果，具体步骤省略，所得数据如表２所示：

神经网络工具箱是在MATLAB环境中开发出来的众多工具箱之一。MATLAB7的神经网络内容非常丰富，包括了很多现有的神经网络的新成果，提供了神经网络设计和模拟的工具。神经网络工具箱提供了两种方法来完成神经网络的设计：一种是采用图形用户界面（GUI）；一种是采用命令行函数。本文采用GUI来生成、训练和仿真神经网络。将20组数据分为2部分，前15组数据用作网络学习样本，作为训练神经元连接权值用，后5组数据作为检验用。根据公式ＮＨ＝ＮＩ×ＮＯ＋ＮＰ／２可知神经网络的隐含层节点数应设为12；最大训练次数为100；训练要求精度为10-5；其它参数为神经网络工具箱中的默认值。训练结果如图１所示：

图１ BP神经网络训练结果

从图１可知，当训练次数为时，训练达到要求的精度。具体数值结果如表３及表４所示。由表可知，训练样本的实际结果与网络输出之间的相对误差很小，最大相对误差为0.48639%。训练结束后，给训练好的BP网络输入后5组校验数据，得到的输出值与实际结果之间的最大相对误差为-3.1405%，这样的误差范围是完全可以接受的。将训练好的BP神经网络存入文件，只要输入指标数据，启动网络，即可马上得到评价结果。

（1）在对前人文献阅读及整理的基础上，从供应商、制造商硬件设施、制造商信息化水平、制造商信息共享、制造商共享信息效果等5个方面建立制造商与供应商信息共享程度的评价指标体系。该指标体系对供应链上节点企业进行信息共享程度评价有借鉴意义。

（2）基于BP神经网络的制造商与供应商信息共享程度评价方法，通过对已有样本模式的学习，获得了评价专家的知识与经验，以后当需要进行信息共享程度评价时，只要给训练好的BP网络输入相应的信息共享程度指标数据矩阵，BP网络会再现专家的知识与经验，即时做出反应，不需要人为干预，从而可以避免评价过程中的人为失误，评价准确性高。

（3）BP神经网络自我学习能力强。设计好的BP神经网络可通过对新的样本模式持续不断地学习，掌握新的样本模式中所蕴含的专家知识和经验，从而提高评价的准确性，并拓宽其适用范围。

（4）由于BP神经网络评价方法的学习训练样本来自于AHP和模糊综合评判所得的结果，因此，基于BP神经网络的制造商与供应商信息共享程度评价方法并不能完全取代AHP和模糊综合评判。

参考文献

［１］史达．供应链管理影响因素及评价指标分析［Ｊ］．中国流通经济，2006，（4）：16-18.

［２］朱焰，单一峰．供应链信息共享度的模糊评价研究［Ｊ］．山东理工大学学报：自然科学版,2007，21（6）：56-59.

［３］楚扬杰，等．基于粗集属性重要性的供应链信息共享的模糊综合评价［Ｊ］．物流科技，2006，29（132）：67-69.

［４］吴晓明，郭东强．基于供应链的企业信息共享模型及其评价［Ｊ］．信息技术，2007，（4）：126-128．

作者：龚花萍 龚怡 袁林娜

基于BP网络的企业信息论文 篇3：

能源企业网站英译的多模态诠释

摘要：网络已成为信息传播的主要媒介，由文本和图像等不同模态构成的网络动态语篇具有超文本性和多模態性，这也使其翻译变得更为复杂，中国企业需要充分考虑中外网页设计的差异性、中外语言和图像模态的差异性，对英文网站进行文化调适和信息重构。从多模态视角出发，以能源企业网站为例，探讨中文网站英译的多模态信息转换中“为谁译”“译什么”“如何译”的问题，并在此基础上通过案例分析探讨此类网站英译的文本模态维度、图像模态维度、图文互动维度的信息重构策略，以期为中国能源企业的对外宣传工作带来一定的启发和借鉴。

关键词：能源企业网站;多模态;图文互动

文献标识码：A

一、引言

网络因其不受时间地域的限制，已经成为资讯获取的重要渠道，各企业、高校、政府等都借助互联网进行对外宣传，能源企业也不例外。各能源企业的外文网站成为增强其展示海外传播力、扩大海外影响力的平台，也是助力企业“走出去”的重要平台。中国能源企业在国际化进程中，通过网站等载体进行对外宣传，以树立企业形象，吸引目标客户。

企业网站翻译已引起学界的关注，在知网以“企业网站翻译”为关键词进行搜索，共检索到期刊论文54篇，其研究主要围绕翻译策略、文本翻译、错误类型三个方面展开。统计被引频次，被引率较高的论文大多为借用特定翻译理论分析企业网站翻译存在的问题，涉及的理论主要有目的论[1-2]、顺应论[3]、模因论[4]、传播学理论[5]等;也有部分论文关注企业网站的本地化[6]、翻译错误类型[7]和翻译原则[8]。但这些研究存在以下几点不足：（1）大多为笼统概述企业网站翻译，缺乏针对不同类型企业的分类论述，截至目前尚未有关于能源企业网站翻译的具体诠释;（2）均围绕网站翻译的语言层面展开，关注点在于文本及语篇分析，缺少对网站多模态的图文视角阐述;（3）以理论分析为主，缺少具体的实证论述。基于此，本文拟借助多模态理论，对能源类企业网站英译实例进行具体分析。

二、多模态理论与网站翻译

多模态指“运用听觉、视觉、触觉等五觉中的两个或两个以上的感觉，通过语言、视觉图像、声音、动作等多种符号资源进行交际的现象”[9]。随着数字化时代的来临，涌现出各种超越传统纸质文本的新型文本，如涵盖文字、图片、声音、影像等多种形式符号的文本，即超文本（Hypertext）或虚拟文本（Cybertext），这些文本符合多模态的特征，是一种多元且复杂的符号系统，影响文本意义建构的因素很多。因此关于这些 “文本”的翻译行为已经超出了传统意义上翻译的概念。[10]译者不仅要考虑语法结构、遣词造句、篇章连贯等语言层面的特征与规范，还要关注其他非语言符号模态对文本意义生成所起的作用;不仅要翻译单个模态符号的意义，更要把握各模态之间的逻辑互动对翻译带来的影响[11] 。

网站作为蕴含多种符号模态的虚拟化的超文本系统，是多模态语篇的典型载体。网站翻译是通过互联网媒介、经由网站页面实现的跨语言、跨文化、跨模态的信息传递和信息重构活动，涉及网站页面设计、网站文本呈现、网站音视频翻译等多个层面，是网站设计者、网站语篇译者、网站用户之间的互动关联。网络传播能够借助多媒体、网络信息技术迅速快捷地传播超大量信息，读者可以借助图片、音频、视频等从多个维度深入了解信息内容。网络语篇既具有常规语篇所呈现的交际性、整体性、交互性特征，更呈现出独特的超文本性和多模态性。超文本性使“网络语篇以首页为轴心，以链接为手段，构成了一个层级性、网络状的非线性组织”[12]54;多模态性指“文字、图片、语音以及视频等都可以是网络语篇的一部分”[12]54。

三、中国能源企业网站翻译信息转换的前提

在全球一体化的今天，能源话语的重要性是不言而喻的，它与政治、经济、外交和环境等议题密切相关，是各级政府机构、各类媒体及行业谈论的焦点议题。[13]  2020年《财富》杂志发布世界500强名单，在排名前10位的企业中能源行业占据6席，其中中国石油化工集团有限公司（简称“中国石化”）位列第2、中国国家电网有限公司（简称“国家电网”）位列第3、中国石油天然气集团有限公司（简称“中国石油”）位列第4、荷兰皇家壳牌石油公司（简称“壳牌公司”）位列第5、英国石油公司位列第8。能源企业网站话语是能源企业外宣话语的重要组成部分，特别是在当前网站已成为重要宣传平台的背景下，企业网站翻译至关重要。本文选取世界500强企业中排名前10位的5家能源行业公司网站①，以中国石化（中文网站http：//www.sinopecgroup.com/group/，英文网站http：//www.sinopecgroup.com/group/en/）、国家电网（中文网站http：//www.sgcc.com.cn/，英文网站http：//www.sgcc.com.cn/ywlm/index.shtml）、中国石油（中文网站http：//www.petrochina.com.cn/，英文网站http：//www.petrochina.com.cn/ptr/index.shtml）3家国内能源企业的中、英文网站作为研究对象，以壳牌公司（公司网站https：//www.shell.com/）及英国石油公司（公司网站https：//www.bp.com/）两家国外企业的英文网站作为平行文本，探讨能源企业网站翻译多模态信息转换过程中“为谁译”“译什么”“如何译”的问题。

（一）网站翻译“为谁译”：明确中外网站设计的文化差异

企业英文网站的目标读者通常是拟了解企业情况、有与企业合作意向的外国读者，网站翻译的目的是为目标读者提供必要的信息以帮助其了解企业相关情况，同时唤起其合作兴趣，起到推介企业、劝服读者的目的。因此企业网站设计需符合目标读者的阅读和审美习惯。国外学者曾研究中西方网站设计的偏好，并指出现有的文化模式决定了网页设计的文化倾向。[14]因此，在研究中国能源企业网站英译情况之前，有必要先了解中外能源企业网站设计的差异。

本研究使用“网文快捕”工具抓取上述5家公司的网页，以目标公司网站的主页（Home）和简介页面 （About us/Who we are）为主，对其进行对比分析，考察中外能源企业网站的结构和内容特征，得出3个层面的对比结果。（1）网站结构形式层面：壳牌公司及英国石油公司的网站首页呈“三”字形排版，采用层级式多层链接，页头正上方均为大图展示（Banner），图片选用人物图片;中国的3家能源企业英文网站也采用层级展示，布局设计呈多元化，页头正上方的图片较小，以装饰性的背景图为主。（2）网站内容选择层面：两家国外能源企业的网站内容主要包含“公司简介”“公司业务”“公司产品”“投资人”“公司新闻”“可持续发展”“技术创新”，以事件陈述为主，很少直接评价;国内3家能源企业的中文网站除了“关于我们”“新闻中心”“业务领域”“产品与服务”“科技创新”“社会责任”等版块外，还设有具有中国特色的“党的建设”“党群关系”版块，在叙事方式上更突出企业的成绩，设有“企业荣誉”子栏目介绍企业所获得的各类奖项，凸显企业的地位及声望。（3）语言表述特點层面：两家国外能源企业网站中语言多以第一人称We/Our叙述视角为主强调人本因素，句式多用简单句，注重拉近企业与读者之间的距离;国内企业则均采用公司名称的第三人称叙述视角，突出叙述的客观性，句式多用长句，形成一种庄重感和疏离感。

因此，中国能源企业网站在进行英文翻译时应充分考虑到文化差异，明确英文网站为外国用户读者而译，结合外国网站的结构特征、内容偏好、语言习惯进行相应调适，打破囿于原文网站特点、文本内容的逐字逐句对译，提供符合英语读者需求和审美习惯的页面设计及图文信息。

（二）网站翻译“译什么”：了解网站英译的多模态构成

网站各模态维度所涉及的语言符号和非语言符号共同构成网页文本的意义载体，各符号模态之间的关系可概括为独立、补充和从属。网站翻译通过网站页面的多模态信息转换实现信息交流的目的。翻译过程涵盖译前的模态选择，译中的文本模态、图像模态、图文模态甚至音视频模态的转换，译后的多模态组合。

各模态信息翻译不可以直接复制照搬原文本，而必须考虑目的语的文化规约，考虑模态间的逻辑关系、互动意义。即使是网站中传统的文本模态翻译也不能采取逐字逐句对译的方式，否则会导致信息冗余甚至文化误读，无法做到易用、易懂，甚至成为误译，从而偏离英文网站服务目标读者的定位。例如，中国石化中文网站主页的“最新要闻”“高层动态”子栏目，内容大多是关于公司董事长张玉卓在国内会见客人、交流座谈的信息，对应点击其英文网站则只保留了Company News栏目，且信息内容多围绕公司发展的成效展开。由此可见，采用“零翻译”适度删减原网站信息，使得英文网站更符合目标语读者的需求，是网站翻译内容信息选择的重要策略。

（三）网站翻译“如何译”：再现符合目标读者认知的网站信息

网站的信息呈现方式在于能够便捷、省时地为读者提供所需要的信息，即寻找读者认知框架、审美价值、接受能力的最佳关联。网站翻译的产出过程也就是网站各种模态信息选择、重组的过程，以实现传达原网站信息的目的。因此网站翻译不能“硬译”，即不能直接套用中文网站的页面设计、图像选择及文本内容，而应该进行“创造性再现”，对中文原网站的多模态信息进行改写、删减、重组，从而有效传递原中文网站信息，实现网站翻译的目的。

四、能源企业网站的多模态翻译诠释

随着人们对翻译认知的不断拓宽和深化，翻译研究已从过去单模态翻译为主开始更多地转向多模态翻译。在互联网交际的大环境下，多模态翻译研究将是未来翻译研究的一个新热点。[15] 下文以例证的方式从多模态视角诠释能源企业网站英译的信息重构策略。

（一）文本模态维度的信息重构

文本模态研究选取各能源企业网站简介信息进行分析，对比中国三大能源企业网站的中、英文网站，发现在英文网站信息重构过程中，必然涉及对要素的改适转换。改适转换具体包括四种形式，即要素删除、要素添加、要素替代以及要素重组。[16]

1.要素删除与要素添加

要素删除，顾名思义是指删除原文中的特定信息，如不符合目标语读者思维模式、语言表达习惯的信息;要素添加，则指按照目标语读者习惯增添特定的词、短语或句子，以便更为准确地传递原文信息。

例1：Top Grade Enterprise evaluated by State-owned Assets Supervision and Administration Commission （SASAC） for 14 consecutive years;

1st Place of Top 500 Chinese Service Enterprises for 14 consecutive years;

Won National Sovereign Credit Rating by three major international rating agencies for 6 consecutive years…（国家电网英文网站Enterprise Honors）

连续14年获国资委央企业绩考核A级;

连续14年名列中国服务业企业500强榜首;

连续6年获得国际三大评级机构国家主权级信用评级……（国家电网中文网站“企业荣誉”）

例1选自国家电网英文网站Enterprise Honors和中文网站“企业荣誉”栏目2018年的荣誉列表，其英文是对中文网站信息的逐字翻译。对比英国石油公司和壳牌公司网站发现，他们网站中都有History一栏，其内容仅是事实陈述，列出公司发展历程中的重要时期和事件，并未出现所获荣誉奖励等信息;国家电网网站所列述的荣誉均为国内奖项，偏离了目标语读者的认知框架，反而会影响读者理解并接受企业信息。例1的文本处理建议采用“要素删除”的方式，减少网页信息负载，为目标语读者减少不必要的认知负荷。

例2：以“爱我中华、振兴石化”的企业精神和“三老四严”“苦干实干”“精细严谨”等优良传统为重要内涵的企业文化在中国石化的改革发展中起到了有力的引领与支撑作用。（中国石化中文网站“企业文化”）

Sinopec corporate culture comprises the spirit of “strengthening the petrochemical industry” as well as such fine traditions as being hard-working， meticulous， honest， faithful and committed. Such corporate culture supports Sinopec to ride over hard times and grow stronger.（中国石化英文网站Corporate Culture）

例2选自中国石化中文网站“企业文化”栏目和英文网站Corporate Culture，中文网站原文中的句子主语过长，核心词“企业文化”的修饰语过多，英文译文采取了“要素添加”的方式，添加了句子的主语Sinopec corporate culture，改长句为短句，第一句说明企业文化的内容，第二句阐明企业文化的作用。

2.要素替代与要素重组

要素替代，指以目标语为取向替换原文中的词语、句式、修辞或文化信息;要素重组，则是摆脱原文语序、句子及语篇的结构形式，对原文信息重新进行组合，从而使得译文更为流畅、更符合目标语读者的行文习惯。

例3：中国石油化工集团有限公司（以下简称公司）的前身是成立于1983年7月的中国石油化工总公司。1998年7月，按照党中央关于实施石油石化行业战略性重组的部署，在原中国石油化工总公司基础上重组成立中国石油化工集团公司，2018年8月，经公司制改制为中国石油化工集团有限公司。公司是特大型石油石化企业集团，注册资本3 265亿元人民币，董事长为法定代表人，总部设在北京。公司对其全资企业、控股企业、参股企业的有关国有资产行使资产受益、重大决策和选择管理者等出资人的权力，对国有资产依法进行经营、管理和监督，并相应承担保值增值责任。（中国石化中文网站“公司简介”）

China Petrochemical Corporation （Sinopec Group） is a super-large petroleum and petrochemical enterprise group， established by the state in July 1998 on the basis of the former China Petrochemical Corporation， and further incorporated as a limited liability corporation in August 2018. A super large petroleum and petrochemical group， the company has a registered capital of 326.5 billion yuan with the board chairman of Sinopec Group serving as its legal representative. It exercises the investor’s rights to the related state assets owned by its full subsidiaries， controlled companies and share-holding companies， including receiving returns on assets， making major decisions and appointing managers. It operates， manages and supervises state assets according to related laws， and shoulders the corresponding responsibility of maintaining and increasing the value of state assets.（中国石化英文网站About Sinopec Group）

例3选自中国石化中文网站的“公司简介”和英文网站的About Sinopec Group，中文行文按照时间顺序，从公司前身“中国石油化工总公司”到“中国石油化工集团公司”再到“中国石油化工集团有限公司”。而公司英文网站的英文介绍则重新调整了句子顺序，按照英文行文习惯开门见山地说明公司性质“a super-large petroleum and petrochemical enterprise group”（一家大型石油石化集团公司），然后再按照时间顺序1998年、2018年讲述公司历史，从而使得行文更符合英文主述位的行文习惯，将核心信息前置。然而，在例3中公司简介的英文文本在词汇、句式及语篇层面还存在不足：（1）从文本词汇选择视角看，中文文本中的句子主语都是“公司”，译文采用对等的名词或代词corporation、the company、it，以企业视角进行陈述，这样容易给读者一种疏离之感，与网站吸引读者满足用户阅读需求的目標相去甚远;（2）从文本的句式视角看，过度使用长句、复合句不利于读者把握关键信息，第一句共用了40个词，而且第一句和第二句重复出现“a super large petroleum and petrochemical group”，造成信息冗余;（3）从文本语篇视角看，长篇累牍的文字不符合网络读者碎片化、搜索式的阅读习惯，不能快速有效地抓住关键信息。对比英国石油公司的简介只有18个词，“We are an integrated energy business with operations in Europe， North and South America， Australasia， Asia and Africa”，其中包含了公司性质“energy（能源行业）”、公司的业务范围“Europe， North and South America， Australasia， Asia and Africa（欧洲、南北美洲、澳大利亚、亚洲和非洲）”，信息简洁明了、重点突出。基于为读者提供可读易读信息的原则，中国石化公司简介的英文文本信息可采取调适及重组的方式，分行显示不同类别的信息，可改译为：

Sinopecis a super-large petroleum and petrochemical enterprise with a registered capital of 326.5 billion yuan. Sinopec was established in July 1998 and incorporated as a limited liability corporation in August 2018.

We exercise…

We operate…

经过编译或改译的文本通过“要素替代”和“要素重组”的方式重构了原文本信息，文本信息包含企业定位、企业历史、企业业务核心信息内容，分行展示便于用户定位核心内容，更便于用户了解和获取公司信息;叙事视角从单一的第三人称转换到第一人称we，信息传递视角的转移有助于实现文本的交际功能，缩小交际的距离感，给读者以真诚、友好、平等之感;行文更符合国外公司英文文本的行文特征，有利于目标语读者的接受。

（二）图像模态维度的信息重构

通常情况下，图像能够直接作用于人的感官，具有表意迅速、直接、逼真的视觉优越性。[17] 构成视觉符号系统的各个元素，其组合也是有章可循的。图像选择要有典型性、契合性，能够有效传递图像意义，达成交际的功能。Kress等认为：“图像既能显示主客观世界经验，也能表现各种人际关系，其内部还是一个连贯的整体。”[18]图像具有再现意义，既可以表明主客观世界经验，也可以明确过程的参与者和环境成分;图像具有互动意义，通过色彩、色调等图像表达手段实现设计者和观看者之间的信息交流;图像具有整体性特征，中心显示核心信息、边缘展示从属信息、图像元素（如尺寸、位置、色调对比）构成图像整体布局和构图意义。

西方国家推崇企业应承担社会责任的理念，公司网站一般设有

Sustainability（可持续发展）版块，内容涵盖可持续发展策略、社会责任报告、环境等诸多相关内容。以英国石油公司为例（见图1），Sustainability版块选择以框架图形式呈现可持续发展的整体框架，将公司“发展目标”“外部合作”“一贯追求”及“核心领域”融入整体框架，“碳中和”“爱护地球”“改善生活”3个核心目标采用蓝绿色调突出环保主题。

国内3家能源企业网站也设有类似的栏目——“社会与环境”或“社会责任”。以中国石油为例，其中文网站设有“环境与社会”栏目，下设“环境、社会和治理报告”“健康安全环境”“税收政策”3个链接子栏目，其中“环境、社会和治理报告”所涵盖的内容与国外企业网站上的“可持续发展”栏目内容可谓异曲同工。中国石油中文网站选用的网页导航图片包含景色图、公司标识、标语 “2020环境、社会和治理报告”3部分（见图2），呈现了公司承担保护环境和社会责任的信息;景色图以郁郁葱葱的森林和山水为背景，意在传递保护“绿水青山”的企业责任，彰显了企业的可持续发展理念。对应的英文网站栏目名称为Environmental Social and Governmental Report，选用的图片则是黄色向日葵和油罐（见图3），向日葵寓意积极向上的态度、朝气蓬勃的精神、不畏艰难的意志，也體现了石油企业与环境和谐发展。然而在图片中向日葵的近景与油罐的远景构成一种主次关系，传达的意蕴过于含蓄，未能清晰传达企业发展与社会责任的关系，

可考虑借鉴国外企业的图像组合模式，对“中国石油”“环境”“社会”“治理”4个关键信息进行有机组合，有效发挥图像模态的信息传递作用。

综上所述，网站图像模态应注重图像的整体设计及视觉效果，图标用于提醒网站读者选择感兴趣的内容，从而起到导航的作用;色彩背景应符合读者的审美期待及认知习惯;主图选择是超链接的按钮，既要贴合主题一看即懂，也应美观耐看带来视觉享受，为增强图像模态信息传递的作用可选用相辅相成的组合图像。

（三）图文互动维度的信息重构

多模态研究涉及图文关系，主要分析“其中的语言模态和视觉模态上具有文体特征的意义表达及图文关系，并以此为基础对这些文本进行深入地解读”[19] 。网站设计是一个系统工程，关键在于如何利用好现代化的信息技术优势，优化网站文本信息、图像信息的整体呈现效果，以满足网站用户的信息需求。“搜索式、标题式甚至是跳跃式的浅阅读方式成为网络阅读的必然选择。”[20]

以中国石油为例，其中文网站的“集团简介”只有文字模态的信息，而点击公司英文网站对应文本，则是一个图文交互的多模态文本（见图4）。该页面显示包括标题、导语、描述、正文、图片等核心元素，利用超链接技术层次分明地展示网页界面，实现了图文互动、重点突出。文字信息与表意图像相互补充，凸显页面主题信息。从图像呈现来看，公司标志性建筑物及中国国旗、企业标识和公司旗帜共同构建了企业的图像意义，有助于读者将图像与文字信息关联在一起。国旗强调了企业的国有性质;红黄两色构成的企业标识取中国国旗基本色调并体现石油和天然气的行业特色，圆形整体设计寓意中国石油全球化的发展战略;公司旗帜以蓝色为底色调、以企业标识为中心、以公司名称为文字标注构成良好的视觉形象，蓝色底色寓意“奉献能源、创造和谐”的企业宗旨。网页页面标题Company Profile（公司简介）交代了界面的核心内容，文字部分介绍了公司业务涵盖的主要领域，说明了公司为国际化能源公司。左下方列出5个超链接界面，依次介绍企业宗旨、发展目标、价值观念、发展战略、组织架构5项企业发展的核心内容。右下方则图文结合以超级链接方式呈现了管理高层、标识设计、发展历程3个方面，选择了具有典型代表意义的3幅图像，图像按照信息值顺次排列：位列最上方的Top management选取明暗对比的中景会议室图，强调企业管理层的民主决策，文字部分“Steering where we go and how far we can reach（指引方向，引领未来）”采用第一人称we拉近与读者的关系;居中的是承载企业综合信息和企业形象的标识图，标识本身为橙黄亮色调，采取近景显示意在传递企业形象，深化读者认知，文字部分“Representing who we are and what we are striving for（奉献能源，创造和谐）”同样采用第一人称we强调企业的定位及宗旨;右下方的History选取黑白色的远景井架图，具有较好的辨识性，同时因历史与读者的互动性相对较弱，远景呈现表达了一种疏离之感，文字部分“CNPC has witnessed the development of China’s oil industry（中国石油见证了中国石油行业的发展历程）”也采用第三人称的叙述视角客观阐述企业历史。图文两种模态的信息呈现较好地兼顾了两者的语义逻辑关系，文字是对图片信息的“详述”，共同指向公司简介、公司管理、公司标识及公司历史;图片则是对文字信息的“增强”，通过情景式代入给目标语读者提供视觉化认知。图、文信息相互补充，共同协作，以多模态的语篇整体化传递信息。

上述中国石油网站是由中文网站单一模态转换为英文网站图文模态的成功范例。然而，也存在中文网站多模态呈现简化为英文网站单一模态的情况。如国家电网中文网站的“企业文化”子栏目中采用图文模态介绍了公司价值理念体系，包括企业宗旨、公司使命、公司定位、企业精神，依次点击这4个页面的链接，其页面均采用“标题+图片+文字”的呈现方式，如“企业宗旨”链接中采用图文两种模态（见图5），图片展示了公司工作人员为偏远地区用户供电的真实场景，表达“人民电业为人民”的企业宗旨，图文呼应、互为补充。

而对应的国家电网英文网站Corporate culture子栏目则删去了所有图像信息，采用了单一模态的文字文本。此类删减使得企业文化的文本解读缺少了视觉图像所能提供的感性认识，原本就颇为抽象的“文化”信息更难以实现有效传递。英国石油公司网站所提供的Ourambitior and aim（公司目标）的平行文本采取了 “图片+标题+文字”的呈现方式（见图6）。且点击图片就可以观看一个1分20秒的视频链接，介绍公司“碳中和”目标的来龙去脉。相比之下，国家电网的英文网站信息偏简单化、单一化，应适当增补图像甚至视频资料，以便目标读者通过多模态、多样性、多维度的信息更全面了解公司的定位、目标，提升中国能源企业网站的外宣接受度，进而推动能源企业走向国际。

五、结语

企业网站可以让读者快速、便捷、自主地选取信息，其内容呈现形式相比传统纸质媒体更具有多模态的文本特点。网络语篇超越了单纯的文本翻译层面，在翻译过程中需要根据目标语读者的语言文化习惯、审美价值观念进行信息重构，采取编译方式重构文本模态的语言要素、重构图像模态的色彩搭配及图片选择、重构图文模态的信息互动，实现多模态间的语义逻辑，并选择契合的视频资料增强多模态之间的意义补充。本文选取多模态视角，结合能源企业网站的图文特征，从文本模态、图像模态、图文结合模态3个方面对能源企业网站翻译进行诠释，希望可以为企业网站文本、图像及图文互动等多模态翻译的进一步研究提供参考。

注释：

① 位列世界500强第6名的是沙特阿美公司，因其地处中东地区且英语非官方语言，故未列入本文讨论范围之内;荷兰皇家壳牌集团总部位于荷兰海牙和英国伦敦，由荷兰皇家石油与英国的壳牌两家公司合并组成，英语是该公司的官方语言。用于本研究的语料来源于5家公司官方网站，下文所引语料不再分别标注原文出处。

参考文献：

[1] 范勇.目的论观照下的翻译失误——一些大学网站英文版例析[J].解放军外国语学院学报，2005（1）：70-72.

[2] 贺爱军.目的论与政府网站翻译[J].宁波大学学报（人文科学版），2009，22（2）：140-144.

[3] 孫海一，李明岩.顺应论视域下的企业网站翻译问题研究[J].科技展望，2016，26（22）：341.

[4] 刘艳，刘桂兰.江西省企业网站外宣翻译的错误分析及改进策略——模因论视角[J].湖北函授大学学报，2016，29（19）：142-143.

[5] 邱春安.传播学视角下的高校网页英文翻译[J].编辑之友，2012（12）：65-67.

[6] 雷小玉，杨沙沙.基于语料库的中国企业网站本地化翻译文本特征分析[J].宿州学院学报，2017，32（5）：78-82.

[7] 范勇.跨文化交际视角下的国内高校英文网页中“文化性翻译失误”研究[J].北京第二外国语学院学报，2010，32（8）：14-19.

[8] 王琦.中国出版企业外宣与重新语境化——以出版企业网页翻译为例[J].中国出版，2019（11）：54-59.

[9] 张德禄.多模态话语分析综合理论框架探索[J].中国外语，2009（1）：22-28.

[10] 谢天振. 现行翻译定义已落后于时代的发展——对重新定位和定义翻译的几点思考[J].中国翻译，2015（3）：14-15.

[11] 冯建明.多模态语用互动的翻译意义构建[J].外国语文， 2020（5）：127-133.

[12] 李良博， 李占喜. 本地化视域下网络语篇翻译的多维重构——以国内“985高校”网站的英译为例[J].外文研究，2015（3）：54-58.

[13] 葛静深. 当代中国能源话语中的安全化逻辑与国家形象建构[J].中国石油大学学报（社会科学版），2020（3）：35-42.

[14] Alexander R，Thompson N，Marray D. Towards Cultural Translation of Websites： A Iarge-scale Study of Australian， Chinese and Saudi Arabian Design Preferences[J].Behavior and Information Technology，2016（2）：1-13.

[15] 陈曦， 潘韩婷， 潘莉. 翻译研究的多模态转向：现状与展望[J].外语学刊，2020（2）：80-87.

[16] 武建国， 李昕蒙. 重新语境化与企业文化的传播[J].外国语，2017（2）：90-96.

[17] 刘剑.超文本语境下的翻译形态变化研究[D].上海：华东师范大学，2014.

[18] Kress G，van Leeuwen T. Reading Images： The Grammar of Visual Design [M]. London： Routledge， 2006：13-14.

[19] 宋成方， 刘世生.功能文体学研究的新进展[J].现代外语，2015（2）：278-286.

[20] 陶全勝. 信息建构理论视角下的企业网站翻译的编辑策略研究[J].外语电化教学，2018（5）：64-68.

责任编辑：曹春华

Multimodality Translation of Websites of Chinese Major Energy Enterprises

HAN Shuqin

（School of Foreign Studies， China University of Petroleum （East China）， Qingdao， Shandong 266580， China）

Key words： websites of energy enterprises; multimodality; text-image interaction

作者：韩淑芹