跨文化翻译中的语义标签漂移
计算与语言
2026-04-30 v1
摘要
机器翻译（MT）广泛用于通过生成来自高资源语言的合成数据来解决低资源语言的资源匮乏问题。尽管翻译中情感保持长期受到关注,但关键但未被充分探索的因素是源语言和目标语言之间的文化对齐作用。本文我们假设由于文化差异,语义标签在MT过程中会发生漂移或改变。通过在文化敏感和中性领域的一系列实验中,我们确立了三个关键发现: (1) MT系统,包括现代大型语言模型（LLM），在翻译过程中会导致标签漂移,尤其是在文化敏感领域; (2) 不同于早期的统计MT工具,LLM编码了文化知识,利用这一知识可以放大标签漂移; (3) 源语言和目标语言之间的文化相似性或不相似性是标签保持的关键决定因素。我们的发现表明,在MT中忽略文化因素不仅会损害标签忠实度,还可能在下游应用中导致误解和文化冲突。
引用
@article{arxiv.2510.25967,
title = {Semantic Label Drift in Cross-Cultural Translation},
author = {Mohsinul Kabir and Tasnim Ahmed and Md Mezbaur Rahman and Polydoros Giannouris and Sophia Ananiadou},
journal= {arXiv preprint arXiv:2510.25967},
year = {2026}
}