論文の概要: Searching for Sound-Meaning Collisions: Graph-Based Affordance Retrieval and Multi-Evaluator Ranking for Pun Translation at CLEF 2026 JOKER Task 2
- arxiv url: http://arxiv.org/abs/2608.04299v1
- Date: Wed, 05 Aug 2026 00:06:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-06 14:48:43.663818
- Title: Searching for Sound-Meaning Collisions: Graph-Based Affordance Retrieval and Multi-Evaluator Ranking for Pun Translation at CLEF 2026 JOKER Task 2
- Title（参考訳）: 音意味衝突の探索:CLEF 2026 JOKER Task 2におけるパウン翻訳のためのグラフベース精度検索とマルチ評価器ランキング
- Authors: Russell Taylor, Adam Brikman, Prateek Awate,
- Abstract要約: 15年前、ロー氏は句訳者に対して、等価な単語の検索をやめて、音と意味の新たな接触点を探すべきだと提案した。
我々は、発見、探索、選択のプロセスとして句翻訳をモデル化する。
その結果, 再生機会を積極的に活用し, より強い音性ブリッジに徐々に集中し, 正確な音韻衝突を高い速度で選択できることが判明した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Fifteen years ago, Low proposed that pun translators should stop searching for equivalent words and instead search for new points of contact between sound and meaning. In this paper, we investigate that idea computationally. We model pun translation as a process of discovery, exploration, and selection. A retrieval system searches semantic and phonological neighborhoods for target-language affordances: sound-meaning bridges that may support new wordplay. Multiple language models then explore these opportunities by generating competing translations, while a multi-perspective generate-and-rank architecture selects among them. Beyond system development, our primary contribution is an analysis of how retrieved affordances propagate through the translation process. We find that generators actively exploit retrieved opportunities, evaluators progressively concentrate around stronger sound-meaning bridges, and exact phonological collisions are selected at disproportionately high rates when available. At the same time, many puns still yield no usable affordances, suggesting that retrieval remains the central bottleneck in computational pun translation. The resulting picture is remarkably close to the process envisioned by Low. Successful pun translation emerges not from preserving source-language words, but from discovering new places in the target language where sound and meaning collide.
- Abstract（参考訳）: 15年前、ローは句訳者に対して、等価な単語の検索をやめて、音と意味の新たな接触点を探すべきだと提案した。
本稿では,そのアイデアを計算的に検討する。
我々は、発見、探索、選択のプロセスとして句翻訳をモデル化する。
検索システムは,新たな語遊びを支援するために,意味的・音韻的地区を対象言語として検索する。
複数の言語モデルが競合する翻訳を生成することでこれらの機会を探索し、また複数のパースペクティブ・ジェネレーション・アンド・ランク・アーキテクチャがそれらの中から選択する。
システム開発以外にも、我々の主な貢献は、翻訳プロセスを通じてどのように回収された価格が伝播するかの分析である。
その結果, 再生機会を積極的に活用し, より強い指向性ブリッジに徐々に集中し, 正確な音韻衝突を高い速度で選択できることが判明した。
同時に、多くの句読点が依然として使用可能な余裕を得られず、検索が計算的句読点翻訳における中心的なボトルネックであることが示唆されている。
結果は、Low氏が想定するプロセスに非常に近い。
音と意味が衝突する対象言語における新しい場所を見つけることによって、語源の単語を保存することによる語句翻訳が成功する。
関連論文リスト
- Pun Intended: Multi-Agent Translation of Wordplay with Contrastive Learning and Phonetic-Semantic Embeddings [0.0]
本稿では,大言語モデルと言語制約を併用して語句を英語からフランス語に翻訳する3つの手法について検討する。
我々のベースラインは、フランス語の肯定的な例と否定的な例によって引き起こされた差別者からのフィードバックを伴う、大きな言語モデルを用いています。
我々の指導的推論パイプラインは、単語生成のための語彙候補を検索するために、音声-意味的埋め込みの組み合わせを用いている。
我々の目的は、リテラル翻訳を超えて、単に語彙を再現するのではなく、言語の創造性、曖昧さ、ユーモアを維持することである。
論文 参考訳（メタデータ） (2026-08-05T00:40:42Z) - Pun Intended: Multi-Agent Translation of Wordplay with Contrastive Learning and Phonetic-Semantic Embeddings [0.0]
本研究では,現在最先端の大規模言語モデルとワードプレイ生成のための特化技術を組み合わせることで,句を英語からフランス語に翻訳する新しい手法を提案する。
我々の方法論の主な目的は、単に語彙を重複させるのではなく、原文の語句の言語的創造性とユーモアを捉えることである。
論文 参考訳（メタデータ） (2025-07-09T03:09:14Z) - Languages in Multilingual Speech Foundation Models Align Both Phonetically and Semantically [58.019484208091534]
事前訓練された言語モデル(LM)における言語間アライメントは、テキストベースのLMの効率的な転送を可能にしている。
テキストに基づく言語間アライメントの発見と手法が音声に適用されるかどうかについては、未解決のままである。
論文 参考訳（メタデータ） (2025-05-26T07:21:20Z) - Decoupled Vocabulary Learning Enables Zero-Shot Translation from Unseen Languages [55.157295899188476]
ニューラルマシン翻訳システムは、異なる言語の文を共通の表現空間にマッピングすることを学ぶ。
本研究では、この仮説を未知の言語からのゼロショット翻訳により検証する。
この設定により、全く見えない言語からのゼロショット翻訳が可能になることを実証する。
論文 参考訳（メタデータ） (2024-08-05T07:58:58Z) - NSOAMT -- New Search Only Approach to Machine Translation [0.0]
機械翻訳に対する新しい検索のみのアプローチ」が採用され、他の技術の遅さと不正確さに対処した。
この考え方は、特定の意味的意味を組み合わす単語のインクリメンタルな集合をインデクシングすることによって、ネイティブ言語レコードと翻訳言語との対応プロセスを作成することができるソリューションを開発することを目的としている。
論文 参考訳（メタデータ） (2023-09-19T11:12:21Z) - On the Off-Target Problem of Zero-Shot Multilingual Neural Machine
Translation [104.85258654917297]
識別対象言語信号の符号化に失敗すると、オフターゲットとなり、語彙距離が近くなることが判明した。
多言語語彙構築のための言語認識語彙共有(LAVS)を提案する。
我々は11言語で多言語機械翻訳ベンチマーク実験を行った。
論文 参考訳（メタデータ） (2023-05-18T12:43:31Z) - No Language Left Behind: Scaling Human-Centered Machine Translation [69.28110770760506]
低レベルの言語と高レベルの言語のパフォーマンスギャップを狭めるためのデータセットとモデルを作成します。
何千ものタスクをトレーニングしながらオーバーフィッティングに対処するために,複数のアーキテクチャとトレーニングの改善を提案する。
本モデルでは,従来の最先端技術と比較して,BLEUの44%の改善を実現している。
論文 参考訳（メタデータ） (2022-07-11T07:33:36Z) - Retrieval-Augmented Multilingual Keyphrase Generation with
Retriever-Generator Iterative Training [66.64843711515341]
キーフレーズ生成は、長いテキストが与えられたキーフレーズを自動的に予測するタスクである。
我々は多言語キーフレーズ生成という新しい設定に注意を払っている。
非英語言語におけるデータ不足問題を軽減するために,多言語キーフレーズ生成のための検索拡張手法を提案する。
論文 参考訳（メタデータ） (2022-05-21T00:45:21Z) - IGLUE: A Benchmark for Transfer Learning across Modalities, Tasks, and
Languages [87.5457337866383]
画像認識言語理解評価ベンチマークについて紹介する。
IGLUEは、視覚的質問応答、クロスモーダル検索、グラウンドド推論、20言語にわたるグラウンドドエンターテイメントタスクをまとめて提供する。
翻訳-テストの転送はゼロショットの転送よりも優れており、少数ショットの学習は多くのタスクに役立てることが難しい。
論文 参考訳（メタデータ） (2022-01-27T18:53:22Z) - Sampling-Based Minimum Bayes Risk Decoding for Neural Machine
Translation [20.76001576262768]
本研究では,最小ベイズリスク (MBR) 復号化に対するサンプリングに基づく近似がビーム探索の呪文と等価でないことを示す。
また,ビーム探索や核サンプリングといった手法を用いて仮説空間を効率的に構築することが有用であることを示す。
論文 参考訳（メタデータ） (2021-08-10T14:35:24Z) - Investigating Language Impact in Bilingual Approaches for Computational
Language Documentation [28.838960956506018]
本稿では,翻訳言語の選択が後続文書作業に与える影響について検討する。
我々は56対のバイリンガルペアを作成し、低リソースの教師なし単語分割とアライメントのタスクに適用する。
この結果から,ニューラルネットワークの入力表現に手がかりを取り入れることで,翻訳品質とアライメント品質が向上することが示唆された。
論文 参考訳（メタデータ） (2020-03-30T10:30:34Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。