When Semantic Overlap Is Not Enough: Cross-Lingual Euphemism Transfer Between Turkish and English

1. Planteamiento del Problema

El artículo aborda el desafío de la detección de eufemismos en entornos multilingües. Los eufemismos son expresiones pragmáticas que suavizan conceptos tabú o sensibles (como la muerte o el desempleo), pero su realización es profundamente dependiente de la cultura y el contexto, lo que dificulta su modelado computacional.

El problema central investigado es: ¿Puede un modelo aprender el concepto de eufemismo en un idioma y aplicarlo eficazmente a otro (transferencia cruzada), o está estrictamente limitado por la familiaridad cultural? Específicamente, los autores cuestionan si la superposición semántica (cuando un término tiene un equivalente funcional en ambos idiomas) es suficiente para garantizar una transferencia positiva, o si factores como la distribución de etiquetas y la escasez de recursos lingüísticos juegan un papel más crítico.

2. Metodología

Datos y Construcción del Dataset

• Idiomas: Inglés (alto recurso) y Turco (bajo recurso).
• Expansión de Datos: Se expandió el conjunto de datos turco existente (Biyik et al., 2024) de 30 a 70 Términos Potencialmente Eufemísticos (PETs), recolectando ejemplos del corpus trTenTen20 para equilibrar las distribuciones de uso eufemístico y literal.
• Categorización (Contribución Clave): Se clasificaron los PETs en dos subconjuntos basados en la alineación funcional y pragmática entre idiomas:
  • OPETs (Overlapping PETs): Términos que comparten una función eufemística y una estrategia similar en ambos idiomas (ej. passed away ≈ vefat etmek, ambos enmarcan la muerte como una "partida").
  • NOPETs (Non-Overlapping PETs): Términos que carecen de un equivalente funcional en el idioma objetivo (ej. the birds and the bees en inglés no tiene un equivalente funcional directo en turco).
• Fiabilidad: La anotación alcanzó un acuerdo inter-annotador (Kappa de Cohen) de 0.96.

Modelo y Protocolo Experimental

• Modelo Base: Se utilizó XLM-RoBERTa (XLM-R), un modelo de lenguaje enmascarado multilingüe preentrenado en 100 idiomas.
• Enfoque: Se evaluó la capacidad de transferencia zero-shot.
  1. Línea Base: Se probaron las representaciones congeladas (frozen) de XLM-R sin ajuste fino.
  2. Ajuste Fino (Fine-tuning): Se ajustó el modelo por separado en los cuatro subconjuntos (Inglés OPET, Inglés NOPET, Turco OPET, Turco NOPET).
  3. Evaluación: Se midió el rendimiento al probar un modelo ajustado en un idioma sobre el subconjunto del otro idioma (transferencia cruzada), utilizando validación cruzada de 10 pliegues.

3. Contribuciones Clave

1. Primer Dataset Cruzado Categorizado: Introducción del primer conjunto de datos de eufemismos cruzados (Inglés-Turco) explícitamente dividido en subconjuntos de superposición (OPET) y no superposición (NOPET).
2. Descubrimiento de Asimetría de Transferencia: Demostración de que la superposición semántica no garantiza una transferencia positiva, revelando una asimetría significativa entre las direcciones de transferencia.
3. Análisis de Distribución de Etiquetas: Identificación de que las diferencias en la distribución de etiquetas (proporción de casos eufemísticos vs. literales) explican resultados contra-intuitivos, donde el entrenamiento en NOPETs a veces mejora el rendimiento en ciertos escenarios.
4. Recursos Abiertos: Liberación de las guías de anotación, el código y los datos divididos para todos los experimentos.

4. Resultados Principales

Asimetría de Transferencia (Inglés $\to$ Turco vs. Turco $\to$ Inglés)

• Inglés $\to$ Turco (Robusto): La transferencia desde el idioma de alto recurso (Inglés) hacia el turco es generalmente estable. Incluso en categorías desafiantes como "Empleo" (F1=0.90) y "Muerte" (F1=0.86), el modelo mantiene un buen rendimiento.
• Turco $\to$ Inglés (Degradado): La transferencia inversa sufre una degradación sustancial. En categorías como "Empleo" (F1=0.36) y "Política" (F1=0.18), el rendimiento cae drásticamente.
• Impacto de la Superposición: Contrario a la intuición, entrenar en OPETs no siempre mejora la transferencia cruzada. En la dirección Turco $\to$ Inglés, los modelos entrenados en OPETs turcos obtienen puntuaciones F1 más bajas que la línea base congelada al probar en Inglés, tanto para OPETs como para NOPETs.

Efecto del Ajuste Fino

• El ajuste fino mejora el rendimiento in-domain (dentro del mismo idioma), pero puede perjudicar la generalización cruzada. Por ejemplo, un modelo ajustado en OPETs de inglés tiene un rendimiento inferior en OPETs de turco (0.68) comparado con la línea base congelada (0.72), sugiriendo que el ajuste fino puede sobreajustar a señales específicas del idioma fuente en lugar de aprender patrones universales.

Análisis por Categoría

• Las categorías con términos altamente específicos de la cultura (ej. between jobs en inglés para desempleo) fallan consistentemente en la transferencia Turco $\to$ Inglés debido a la falta de equivalentes funcionales.
• En la dirección Inglés $\to$ Turco, el rendimiento a menudo supera la línea base en subconjuntos NOPET, lo que se atribuye a una alineación favorable entre el sesgo del modelo (tendencia a predecir "eufemismo") y la distribución de etiquetas en los datos de prueba turcos.

Comparación con Modelos Generativos (GPT-4o)

• GPT-4o mostró un sesgo sistemático hacia predecir "Eufemístico" (hasta un 77% en datos turcos), lo que infló artificialmente sus métricas F1 en subconjuntos NOPET.
• A pesar de ser un modelo mucho más grande, GPT-4o (F1 promedio 0.75) no superó significativamente al XLM-R ajustado (F1 promedio 0.77), demostrando que el ajuste fino específico de la tarea en modelos más pequeños puede ser tan efectivo como el zero-shot en modelos generativos masivos para esta tarea.

5. Significado y Conclusiones

El estudio concluye que la superposición semántica no es suficiente para garantizar una transferencia exitosa de eufemismos entre idiomas. Los hallazgos destacan que:

1. La asimetría de recursos es crítica: Los modelos preentrenados en idiomas de alto recurso (inglés) generalizan mejor a idiomas de bajo recurso que viceversa.
2. El contexto cultural es insuperable: La falta de mapeos conceptuales compartidos (ej. metáforas deportivas para intimidad) causa fallos sistemáticos en la detección, independientemente de la superposición semántica.
3. El ajuste fino tiene un costo: En tareas pragmáticas complejas, el ajuste fino puede reducir la capacidad de generalización cruzada al enfatizar señales lingüísticas específicas del idioma fuente.

Este trabajo proporciona una base fundamental para entender los límites de los modelos de lenguaje multilingüe en la comprensión de fenómenos pragmáticos y culturales, sugiriendo que futuras estrategias de entrenamiento deben considerar la alineación funcional y la distribución de etiquetas más allá de la simple traducción o superposición léxica.