跳到正文
arXiv cs.CL· Nuhu Ibrahim, Maryam Abdulazeez, Fatsuma Jauro, Salisu Aliyu, Robert Stevens, Riza Batista-Navarro·· 23 小时前AI 评分18

面向低资源语言的食谱跨文化适配:Hausa、Yorùbá 和 Igbo 的基准与多语言烹饪词典

Cross-cultural Adaptation of Recipes for Low-Resource Languages: A Benchmark and Multilingual Culinary Lexicon for Hausa, Yor\`ub\'a, and Igbo

AI 导读

研究者发布 ReciLoReL 基准,包含 600 条经专家翻译并做文化适配的食谱,覆盖尼日利亚三种主要语言 Yorùbá、Hausa 和 Igbo,同时推出 ReciLex 多语言烹饪词典,含约 15,000 个翻译实体、覆盖十类食谱实体。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:近期的多语言大语言模型(LLMs)提升了机器翻译,但面向低资源语言(LRLs)的文化适应性翻译仍研究不足。这在食谱领域尤为具有挑战性,因为食材、烹饪工具、计量单位和操作步骤可能需要根据目标文化语境进行调整。在本工作中,我们提出了 ReciLoReL,这是一个包含 600 份由专家翻译并经过文化适应性调整的食谱基准,覆盖约鲁巴语、豪萨语和伊博语(尼日利亚三种最主要的语言),以及 ReciLex,一个多语言烹饪词库,包含约 15,000 个已翻译实体,涵盖十个食谱实体类别,包括食材、工具、厨师动作、工具状态和时长。我们在零样本和少样本设置下评估了最先进的多语言 LLMs 在英语到低资源语言食谱翻译中的表现,并研究了在不需大规模目标语言食谱语料进行训练或微调的情况下,用 ReciLex 增强 LLMs 是否能改善文化适应性食谱翻译。除了使用 BLEU、chrF 和 TER 进行传统的基于参考的翻译评估外,我们还引入了五项文化适应性评估标准,改编自已有的跨文化适应方法。在所选的 LLMs 和语言上,ReciLex 将平均 BLEU 从 13.57 提升至 14.51,chrF 从 37.89 提升至 38.74,同时将 TER 从 77.14 降低至 75.12。人工评估进一步显示,在五项文化适应性评估标准上,以五分制计,提升幅度为 0.11 至 0.36 分。总体而言,我们的工作为研究低资源环境下的文化适应性食谱翻译提供了新资源、评估标准和实证评估。
评论: 9 页
主题: 计算与语言(cs.CL);人工智能(cs.AI)
引用为: arXiv:2611.22708 [cs.CL]
  (或 arXiv:2611.22708v1 [cs.CL] 用于此版本)
  https://doi.org/10.48550/arXiv.2611.22708

由 DataCite 颁发的 arXiv DOI(待注册)

提交历史

来自:Nuhu Ibrahim [查看电子邮件]
[v1] 2026年11月17日星期二 12:50:12 UTC(47 KB)

来源:arXiv cs.CL · arxiv.org