面向印度语系语言的图辅助文化自适应习语翻译
计算与语言
2025-05-29 v1
摘要
翻译多词表达（MWE）和习语需要深刻理解源语言和目标语言的文化细微差别。习语翻译的一对多特性进一步加剧了这一挑战，其中单个源习语可以根据文化参考和语境变化具有多个目标语言等价物。传统的静态知识图谱（KG）和基于提示的方法难以捕捉这些复杂关系，通常导致次优翻译。为了解决这个问题，我们提出了 IdiomCE，这是一种基于自适应图神经网络（GNN）的方法，该方法学习习语表达之间的复杂映射，有效地泛化到训练期间已见和未见的节点。我们提出的方法即使在资源受限的环境下也能提高翻译质量，促进了较小模型中习语翻译的改进。我们在多个习语翻译数据集上使用无参考指标评估了我们的方法，证明了在将习语从英语翻译成多种印度语言方面的显著改进。
引用
@article{arxiv.2505.21937,
title = {Graph-Assisted Culturally Adaptable Idiomatic Translation for Indic Languages},
author = {Pratik Rakesh Singh and Kritarth Prasad and Mohammadi Zaki and Pankaj Wasnik},
journal= {arXiv preprint arXiv:2505.21937},
year = {2025}
}