面向方言阿拉伯语机器翻译的上下文感知框架：基于可交互区域与社会语体选择

当前的阿拉伯语机器翻译系统常常难以考虑方言多样性，频繁将方言输入同化为现代标准阿拉伯语 (MSA)，且对目标方言语种缺乏用户控制。本文提出一种面向方言阿拉伯语机器翻译的、具备上下文感知和可调控性的框架，显式建模区域和社会语言变异。我们的主要技术贡献是一种基于规则的数据增强 (RBDA) 流程，将一个包含 3000 句子的数据种子扩展为覆盖八个地区变体（包括埃及方言、黎巴嫩-叙利亚方言、海湾方言等）的平行语料库，规模达 57,000 句。通过在 mT5-base 模型上进行微调，并以轻量级元数据标签为条件，我们的方法实现了跨方言和社会语体的可控生成。结合自动评估和定性分析，我们观察到一种准确性与保真度之间的权衡：高资源基准模型（如 NLLB）通过默认向 MSA 均值实现更高的整体 BLEU 分数 (13.75)，但表现出有限的方言特异性；而我们的方法虽 BLEU 分数较低 (8.19)，但生成的输出更贴近预期的地区变体。支持性定性评估，包括 LLM 辅助的文化真实性分析，表明我们的模型在方言对齐方面优于基线系统 (4.80/5 vs. 1.0/5)。这些发现凸显了针对方言敏感任务的标准 MT 指标的局限性，动力需求更能反映阿拉伯语机器翻译中语言多样性的评估实践。