Searching for Sound-Meaning Collisions: Graph-Based Affordance Retrieval and Multi-Evaluator Ranking for Pun Translation at CLEF 2026 JOKER Task 2

Resumen Técnico: Recuperación de Asequibilidades Basada en Grafos y Clasificación de Multievaluadores para la Traducción de Juegos de Palabras

Definición del Problema
La traducción de juegos de palabras se considera ampliamente una tarea computacional difícil porque los accidentes lingüísticos específicos que crean el juego de palabras en una lengua de origen rara vez sobreviven a la traducción directa. Los enfoques tradicionales suelen fallar al intentar preservar la palabra original de origen. En su lugar, basándose en el marco teórico de Low, este artículo postula que una traducción exitosa de juegos de palabras requiere abandonar la búsqueda de palabras equivalentes en favor del descubrimiento de nuevos puntos de contacto entre el sonido y el significado dentro de la lengua de llegada. El desafío central es modelar computacionalmente este proceso de descubrimiento, exploración y selección para encontrar "asequibilidades" (affordances): oportunidades en la lengua de llegada donde el sonido y el significado colisionan para sustentar un nuevo juego de palabras.

Metodología
Los autores proponen un sistema que trata la traducción de juegos de palabras como un flujo de trabajo de recuperación, generación y clasificación, expandiendo significativamente sus propuestas para CLEF 2025.

1. Preprocesamiento e Identificación:

   • El flujo de trabajo comienza con la limpieza de datos para normalizar Unicode, reparar estructuras de diálogo y eliminar artefactos de redes sociales.
   • Una etapa especializada identifica la palabra del juego de palabras, su tipo y dos listas de palabras de dominios semánticos asociados. Esta etapa utiliza salidas estructuradas en JSON de gemini-3-flash para preparar las entradas para la recuperación.

2. Recuperación de Asequibilidades Basada en Grafos:

   • Espacio de Búsqueda Expandido: Más allá de la recuperación a nivel de palabra, el sistema utiliza un banco de expresiones en francés de 370,450 entradas (combinando datos de Wiktionary, PARSEME y OpenSubtitles) indexado con embeddings BAAI/bge-m3.
   • Embeddings Fonéticos Aprendidos: Se construyó un grafo de relevancia fonética a gran escala (245k pares palabra–IPA únicos) para entrenar un codificador fonético. Este codificador captura vecindarios fonológicos más amplios (rimas, esqueletos de consonantes/vocales, cuasi-homófonos) en lugar de solo homófonos exactos, utilizando Multiple Negatives Ranking Loss.
   • Minería de Puentes (Bridge Mining): El espacio de recuperación se modela como un grafo heterogéneo. El sistema realiza seis etapas ordenadas de "minería de puentes por cubetas" para conectar los dos dominios semánticos del juego de palabras de origen. Esto implica una expansión semántica de los términos de origen seguida de una expansión de vecindario fonético para encontrar pares $(x, y)$ donde $x$ e $y$ comparten similitud fonética mientras se anclan a sus respectivos dominios semánticos.
   • Clasificación y Poda: Las asequibilidades recuperadas se califican según su similitud fonética, capacidad de anclaje semántico, naturalidad y utilidad para la construcción del juego de palabras. La poda heurística elimina variantes triviales y fuerza la diversidad.

3. Generación de Candidatos:

   • El sistema cambia de un paradigma de solución única a un enfoque de "generar y seleccionar".
   • Para claude-sonnet-4.6 y gemini-3-flash, el generador produce doce candidatos distintos de juegos de palabras en francés por cada origen, tratando las asequibilidades recuperadas como oportunidades creativas en lugar de restricciones estrictas.
   • gpt-5.5 y gemini-3.1-pro generan un único candidato por ejemplo para evaluar el rendimiento de los modelos de frontera con costos de generación menores.

4. Clasificación de Dos Etapas con Multi-Agentes:

   • Etapa 1 (Selección Intra-Modelo): Un único modelo juez clasifica los doce candidatos de un generador utilizando cuatro personae distintas: Comediante (el más divertido), Lingüista (el de juego de palabras más fuerte), Editor (el más fluido) y Traductor (la mejor preservación de la intención). Las clasificaciones se agregan mediante votación Borda ponderada para seleccionar un ganador por generador.
   • Etapa 2 (Ensamble Cross-Model): Los ganadores de la Etapa 1, combinados con candidatos únicos de otros modelos, forman un grupo de cuatro. Estos son reclasificados por las mismas cuatro personae utilizando la misma estrategia de agregación.
   • El sistema experimenta con varios órdenes de agregación (Jueces primero vs. Modelos primero) y ponderaciones de persona para optimizar el ensamble final.

Resultados Clave

• Cobertura de Recuperación: El sistema de recuperación expandido logró una cobertura del 50.8% del conjunto de datos (2,064 de 4,061 juegos de palabras), un aumento significativo respecto a iteraciones anteriores. Sin embargo, casi la mitad de los juegos de palabras de origen no produjeron asequibilidades utilizables.
• Utilización de Asequibilidades: Aunque la recuperación proporcionó miles de asequibilidades, el proceso de selección se concentró progresivamente en puentes de mayor calidad. Las asequibilidades de "mismo sonido" (fonológicamente exactas), aunque representaban solo el 10.8% del inventario recuperado, fueron seleccionadas en tasas desproporcionadamente altas (hasta el 27.5% de los finalistas), lo que sugiere que son las más efectivas para el juego de palabras.
• Eficiencia del Flujo de Trabajo: La puntuación media de calidad de las asequibilidades aumentó en cada etapa del flujo de trabajo (de 0.677 en la recuperación a 0.724 para los ganadores finales), lo que indica que los generadores y evaluadores filtran con éxito para encontrar colisiones de sonido-significado más fuertes.
• Rendimiento en la Tabla de Clasificación: El sistema obtuvo el primer lugar en la tabla de clasificación pública de la Tarea 2 de CLEF 2026 JOKER con una puntuación de 37.783. El análisis reveló que las estrategias de selección "enfocadas en el traductor" (que priorizan la fidelidad semántica) superaron a las estrategias de "comediante" o "editor", sugiriendo que las métricas automáticas premian la preservación del significado sobre el juego de palabras creativo.
• Dinámica de Evaluación: Se observó un desacuerdo significativo entre las personae de los jueces (por ejemplo, solo un 16.8% de acuerdo completo para los ejemplos de Claude), validando la necesidad de la agregación de múltiples perspectivas. También se observó un sesgo de posición, donde el orden de los candidatos influyó en las clasificaciones incluso después de la aleatorización.

Significancia y Reivindicaciones
La contribución principal del artículo no es meramente la clasificación en la tabla de posiciones, sino la validación computacional del marco teórico de Low. Los autores demuestran que la traducción exitosa de juegos de palabras surge no de preservar las palabras de origen, sino de un proceso de búsqueda que descubre nuevos puentes semántico-fonéticos en la lengua de llegada.

• Validación de la Teoría: La arquitectura del sistema —recuperación para el descubrimiento, generación para la exploración y clasificación para la selección— refleja los "cuadrados, pentágonos y hexágonos" conceptuales de Low, traduciéndolos en pasos computacionales concretos (expansión semántica, vecindarios fonéticos, descubrimiento de asequibilidades).
• El Cuello de Botella: Los autores concluyen modestamente que, si bien la recuperación es efectiva, sigue siendo el cuello de botella central. La escasez de asequibilidades utilizables (casi el 50% de los juegos de palabras no producen ninguna) sugiere que los métodos de recuperación actuales aún no pueden replicar plenamente la intuición de los traductores humanos, quienes pueden navegar por vastos espacios semánticos y fonológicos.
• Naturaleza del Éxito: Los resultados indican que la traducción de juegos de palabras exitosa es un proceso de encontrar "puentes ocultos" donde el sonido y el significado colisionan. El sistema confirma que las colisiones fonológicas exactas son desproporcionadamente valiosas, aunque la dificultad de encontrarlas computacionalmente sigue siendo un desafío significativo.

El artículo concluye que, aunque la búsqueda es difícil y muchos juegos de palabras resisten la traducción, la realización de la visión de Low como un proceso computacional representa el resultado más satisfactorio del trabajo.