语言模型能否理解爪哇语的敬语系统

爪哇语具有一套复杂的敬语系统，该系统会根据说话者、听者和指代对象的社会地位而变化。尽管其具有文化和语言学意义，但在开发用于自然语言处理（NLP）任务的综合性语料库以捕捉这些变化方面，进展依然有限。在本文中，我们提出了 Unggah-Ungguh，这是一个精心策划的数据集，旨在概括 Unggah-Ungguh Basa（爪哇语言语礼仪框架）的细微差别，该框架规定了基于社会等级和语境的词汇与短语选择。利用 Unggah-Ungguh 数据集，我们通过分类和机器翻译任务评估了语言模型（LM）处理不同层级爪哇语敬语的能力。为了进一步评估跨语言 LM，我们在爪哇语（特定敬语层级）与印尼语之间进行了机器翻译实验。此外，我们探讨了 LM 能否在对话任务中生成符合语境的爪哇语敬语，其中敬语的使用应与社会角色和语境线索相一致。我们的发现表明，当前的 LM 在大多数敬语层级上均存在困难，表现出对特定敬语层级的偏好。