Searching for Sound-Meaning Collisions: Graph-Based Affordance Retrieval and Multi-Evaluator Ranking for Pun Translation at CLEF 2026 JOKER Task 2
本文提出了一种用于双关语翻译的基于图的检索与多评估器排序系统，通过证明成功的翻译依赖于在目标语言中发现新的音义碰撞而非保留源语言词汇，从而在计算层面验证了洛（Low）的理论，同时指出检索是当前主要的瓶颈。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正试图将一个笑话从一种语言翻译成另一种语言，但这个笑话依赖于一个同时听起来像两种不同事物的词。在英语中，你可能会说：“I'm on a seafood diet; I see food and I eat it.”（我正在进行海鲜饮食；我看到食物我就吃它。）幽默之处在于“sea”（大海）的发音与“see”（看见）相匹配。如果你尝试将其逐字翻译成法语，这个笑话会瞬间枯萎，因为法语中“海”和“看”这两个词的发音并不相似。这就是双关语翻译中“不可能”的问题：魔力产生于声音与意义之间偶然的碰撞，而这种偶然性很难在前往新语言的旅途中幸存。
几十年来，翻译者们一直知道，秘诀不在于保留原词，而是在目标语言中寻找一个新的词，从而创造出一种类似的声义碰撞。这就像是在两座岛屿之间架设桥梁；如果原来的桥毁坏了，你必须寻找一个新的地点，那里水流较浅，足以建造一座新的桥。这篇论文探讨了我们如何教计算机去做这件事：不再寻找同一个词，而是开始寻找声音与意义相互碰撞的新场所。
计算机的文字游戏寻宝记
在这篇论文中，来自佐治亚理工学院的研究人员将双关语的翻译视为一个并非简单的词汇替换，而是一个包含三个步骤的冒险过程：发现（Discovery）、探索（Exploration）和选择（Selection）。他们构建了一个系统，旨在搜寻目标语言中的“可供性”（affordances）——这是一个高级词汇，意指在目标语言中，声音与意义以有趣的方式发生碰撞的“机会”或“桥梁”。
第一步：发现（寻找桥梁）
团队意识到，要找到双关语，你不能只看单个词，还必须观察短语和声音模式。他们构建了一个庞大的法语表达数字库，以及一张关于法语单词如何“发音”的特殊地图（使用音标代码）。
- 语义图（The Semantic Map）： 他们寻找共享某种含义的词组（例如关于“食物”的词语社区）。
- 声音图（The Sound Map）： 他们构建了一个连接相似单词的图谱，不仅是完全相同的双胞胎，也包括韵律相近或节奏相似的表亲。
随后，计算机尝试寻找连接原始笑话两端的“桥梁”。例如，如果笑话连接了“金钱”和“时间”，计算机就会在法语中搜索一个听起来像“金钱”但意思却是“时间”的词，或者反之亦然。他们将这些潜在的桥梁称为“可供性”。
第二步：探索（生成候选方案）
一旦计算机找到了这些桥梁，它并不会直接挑选一个。它会将这个想法发送给几个不同的 AI “作家”（大语言模型）。这些作家被告知：“这里是你发现的一座桥梁；现在请用它写一个笑话。”
系统并没有要求只写一个笑话，而是要求它们写出十二个不同的版本。有些可能很滑稽，有些可能很巧妙，有些则可能非常完美。这使整个过程从“猜测一个答案”转变为“生成一整份菜单式的选项”。
第三步：选择（评审团）
现在到了最难的部分：挑选赢家。系统使用四个不同的 AI “人格”作为评审团来评判这些笑话，就像人类专家小组一样：
- 喜剧演员（The Comedian）： 哪一个最搞笑？
- 语言学家（The Linguist）： 哪一个的文字游戏玩得最好？
- 编辑（The Editor）： 哪一个听起来自然且流畅？
- 翻译官（The Translator）： 哪一个保留了原笑话的含义？
这些评委不仅仅给出分数，他们还会对笑话进行排名。系统随后结合这些排名，为每个原始双关语选出唯一的最佳笑话。
他们的发现（以及没能发现的）
这项实验的结果极具启发性，表明计算机的处理过程与人类翻译者的思维方式非常相似。
1. 寻找过程是最难的部分
整个过程中最大的瓶颈是“发现”阶段。即使拥有先进的地图，该系统也仅能为大约 50.8% 的笑话找到可用的桥梁。对于剩下的另一半，计算机根本无法在法语中找到有效的声义碰撞。这表明对于许多双关语来说，其“桥梁”在目标语言中根本不存在，因此笑话必须被放弃。
2. 生成器热衷于这些桥梁
当系统确实找到一座桥梁时，AI 作家会利用它。它们并没有忽略这些线索，而是积极围绕系统发现的声音-意义碰撞来构建笑话。发现的桥梁越多，笑话往往就越好。
3. 精确的声音匹配胜出最多
这里有一个令人惊讶的转折：虽然系统找到了数千个“近乎匹配”的声音桥梁（听起来几乎一样的单词），但最终的获胜者却不成比例地倾向于“精确”匹配。尽管精确的声音碰撞非常罕见（仅占发现桥梁的约 10.8%），但它们最终构成了近 27.5% 的最终获胜笑话。看来，一旦存在完美的谐音，它就太出色了，让人无法拒绝。
4. “翻译官”评委是关键
当团队测试了组合评委意见的不同方式时，他们发现，在公开排行榜上，优先考虑“翻译官”（关注保留原意的人）的效果最好。然而，作者指出这里存在一种张力：排行榜似乎更看重保留原意，而不是追求幽默感。“喜剧演员”评委挑选的笑话往往与“翻译官”不同，这表明人类觉得有趣的笑话，可能与计算机当前评分系统所重视的东西并不一致。
5. 这是一场搜索，而非魔术
最重要的启示是，成功的双关语翻译不在于保留原词，而在于发现。计算机必须在广袤的目标语言海洋中进行搜索，寻找一个声音与意义交汇的隐藏点，然后在那里构建一个新的笑话。
作者总结道，他们的系统成功模拟了语言学家 Low 多年前提出的过程：翻译者不应寻找等效词，而应寻找新的接触点。虽然该系统在处理一半的笑话时仍然感到吃力（因为桥梁难以寻找），但它证明了通往翻译双关语的路径并非直线——这是一场针对声音与意义之间隐藏碰撞的寻宝之旅。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。