[论文解读] Culturally Aware and Adapted NLP: A Taxonomy and a Survey of the State of the Art

Chen Cecilia Liu, Iryna Gurevych+1 more|TUbilio (Technical University of Darmstadt)|Jun 6, 2024

Natural Language Processing Techniques被引用 4

一句话总结

本文提出了一套全面且基于人类学的分类法，涵盖文化元素——包括概念、价值观、规范、语言形式、人工制品及社会文化互动——以系统化地推进文化敏感与适应性自然语言处理（NLP）研究。基于此分类法，作者对100多篇近期NLP论文进行了调研，识别出在建模文化价值观、规范和方言方面取得的关键进展，同时指出了在表征人工制品、社会文化动态以及跨文化互动方面存在的关键研究空白。

ABSTRACT

The surge of interest in "culture" in NLP has inspired much recent research, but a shared understanding of "culture" remains unclear, making it difficult to evaluate progress in this emerging area. Drawing on prior research in NLP and related fields, we propose a fine-grained taxonomy of elements in culture that can provide a systematic framework for analyzing and understanding research progress. Using the taxonomy, we survey existing resources and methods for culturally aware and adapted NLP, providing an overview of the state of the art and the research gaps that still need to be filled.

研究动机与目标

• 解决NLP领域中对'文化'缺乏统一理解的问题，该问题阻碍了文化适应性系统在评估与进展方面的推进。
• 基于基础人类学文献系统性地对文化元素进行分类，以构建细致且可操作的分类法。
• 调研100多篇近期NLP论文，将现有资源与模型映射至该分类法，揭示研究进展与研究空白。
• 突出当前NLP研究中尚未充分探索的文化维度，如人工制品、社会文化互动以及跨方言规范。
• 提供一个结构化框架，以指导未来在开发公平、安全且文化适应性更强的大语言模型方面的研究。

提出的方法

• 构建双分支分类法：(1) 文化元素（概念、知识、价值观、规范、语言形式、人工制品）与(2) 社会文化元素（关系、语境、沟通风格）。
• 以经典人类学文献（泰勒、克罗伯与克鲁克洪、怀特）为理论基础，确保分类法的理论严谨性与概念清晰性。
• 将2022至2024年间来自ACL、EMNLP、NAACL等会议的100多篇近期NLP论文映射至该分类法，分析研究重点在不同文化维度上的分布情况。
• 按文化元素类型对资源与模型进行分类，识别出研究充分的维度（如价值观、规范）与研究不足的维度（如人工制品、沟通风格）。
• 利用分类法评估模型在文化适应性NLP中的能力，区分表层文化适应与深层文化适应。
• 提出表层与深层文化适应的框架，强调模型理解语境、关系与社会文化动态的必要性。

Figure 1: Papers published on arXiv (cs.CL) that contain the keyword “culture”, aggregated every 3 months.

实验结果

研究问题

• RQ1 为实现文化敏感与适应性，NLP中应建模哪些关键文化元素？
• RQ2 当前NLP研究中文化是如何被表征的？哪些文化维度尚未被充分探索？
• RQ3 现有NLP模型与数据集在多大程度上反映了社会文化互动，如人际关系与沟通规范？
• RQ4 在文化适应性NLP中，哪些关键研究空白亟待填补，特别是在人工制品与跨文化沟通的表征方面？
• RQ5 标准化分类法在提升文化敏感NLP系统评估与开发方面能发挥何种作用？

主要发现

• 该分类法识别出六项核心文化元素——概念、知识、价值观、规范、语言形式与人工制品——以及三项社会文化维度：关系、语境与沟通风格。
• 关于文化价值观与规范的研究最为成熟，分别有17篇论文聚焦于规范与与偏见相关的价值观，表明在伦理与公平导向的NLP领域已形成强劲发展势头。
• 语言形式，尤其是方言，是最受关注的文化维度，有17篇论文聚焦于方言差异与跨方言NLP，反映出对语言多样性的强烈关注。
• 人工制品与沟通风格显著被低估，分别仅有3篇与2篇论文，凸显在建模文化嵌入性物质与互动模式方面存在重大研究空白。
• 尽管在建模价值观与规范方面已取得进展，但极少有模型整合社会文化语境或关系动态，限制了大语言模型在深层文化适应方面的潜力。
• 调研显示，虽然表层文化适应（如方言检测）已得到充分研究，但涉及语境感知推理与关系理解的深层文化适应仍严重不足。

Figure 2: An overview of the taxonomy.