Psychology-Driven Enhancement of Humour Translation

📄 arXiv: 2507.09259v1 📥 PDF

作者: Yuchen Su, Yonghua Zhu, Yang Chen, Diana Benavides-Prado, Michael Witbrock

分类: cs.CL

发布日期: 2025-07-12

💡 一句话要点

提出心理学驱动的幽默分解机制，提升大语言模型在幽默翻译中的表现

🎯 匹配领域: 支柱六：视频提取与匹配 (Video Extraction) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 幽默翻译 大型语言模型 思维链 心理学驱动 机器翻译 跨文化交流 幽默分解机制

📋 核心要点

  1. 现有大语言模型在幽默翻译中存在语言干扰和缺乏幽默感的问题，难以准确传达原文的幽默。
  2. 论文提出幽默分解机制（HDM），模仿人类思维过程，并融入幽默理论，优化译文的可读性和幽默性。
  3. 实验结果表明，该方法在幽默性、流畅性和连贯性方面均有显著提升，验证了其有效性。

📝 摘要（中文）

幽默翻译是连接不同文化的桥梁，促进理解和交流。尽管现有的大型语言模型（LLMs）能够胜任一般的翻译任务，但在幽默翻译方面仍然存在困难，尤其体现在语言干扰和译文缺乏幽默感。本文提出了一种受心理学启发的幽默分解机制（HDM），该机制利用思维链（CoT）来模仿人类的思维过程，从而激发LLMs优化翻译后的幽默文本的可读性。此外，我们将幽默理论融入HDM，以进一步增强翻译文本中的幽默元素。在开源幽默数据集上的自动评估实验表明，我们的方法显著提高了幽默翻译的质量，在生成的文本的幽默性方面平均提高了7.75％，流畅性提高了2.81％，连贯性提高了6.13％。

🔬 方法详解

问题定义：论文旨在解决大语言模型在幽默翻译中表现不佳的问题。现有方法难以捕捉和传递幽默的微妙之处，导致译文平淡甚至产生误解。痛点在于缺乏对幽默内在机制的理解和有效利用。

核心思路：论文的核心思路是借鉴心理学中对幽默的认知过程，将幽默分解为可操作的元素，并利用思维链（CoT）引导大语言模型逐步生成更富幽默感的译文。通过模仿人类的思维方式，模型能够更好地理解和表达幽默。

技术框架：整体框架包含以下几个主要阶段：1) 幽默分解：利用幽默理论将原文幽默分解为关键要素。2) 思维链引导：通过CoT提示，引导LLM逐步思考如何将这些要素融入译文。3) 文本生成：LLM根据CoT的引导，生成最终的译文。4) 评估与优化：使用自动评估指标评估译文质量，并进行迭代优化。

关键创新：最重要的创新点在于将心理学理论与CoT相结合，提出了一种新的幽默翻译方法。与传统方法相比，该方法更注重对幽默内在机制的理解和利用，从而能够生成更富幽默感的译文。

关键设计：HDM的关键设计包括：1) 幽默理论的选择与应用：选择合适的幽默理论（如不协调理论、优越理论等）来指导幽默分解。2) CoT提示的设计：设计有效的CoT提示，引导LLM逐步思考如何将幽默要素融入译文。3) 自动评估指标的选择：选择合适的自动评估指标（如BLEU、ROUGE等）来评估译文质量。

🖼️ 关键图片

img_0

📊 实验亮点

实验结果表明，该方法在开源幽默数据集上显著提高了幽默翻译的质量。具体而言，在幽默性方面平均提高了7.75％，流畅性提高了2.81％，连贯性提高了6.13％。这些数据表明，该方法能够有效地提升大语言模型在幽默翻译中的表现。

🎯 应用场景

该研究成果可应用于机器翻译、跨文化交流、娱乐内容本地化等领域。通过提升机器翻译的幽默感，可以促进不同文化之间的理解和交流。在娱乐内容本地化方面，可以帮助将国外的幽默内容更好地翻译成目标语言，从而吸引更多的受众。未来，该技术有望应用于智能客服、聊天机器人等领域，提升人机交互的趣味性。

📄 摘要（原文）

Humour translation plays a vital role as a bridge between different cultures, fostering understanding and communication. Although most existing Large Language Models (LLMs) are capable of general translation tasks, these models still struggle with humour translation, which is especially reflected through linguistic interference and lacking humour in translated text. In this paper, we propose a psychology-inspired Humour Decomposition Mechanism (HDM) that utilises Chain-of-Thought (CoT) to imitate the ability of the human thought process, stimulating LLMs to optimise the readability of translated humorous texts. Moreover, we integrate humour theory in HDM to further enhance the humorous elements in the translated text. Our automatic evaluation experiments on open-source humour datasets demonstrate that our method significantly improves the quality of humour translation, yielding average gains of 7.75\% in humour, 2.81\% in fluency, and 6.13\% in coherence of the generated text.