PunGraph：用于双关语理解的检索增强语音语义图推理

双关语是一种具有挑战性的比喻语言形式，它利用语音相似性和语义歧义来传达多种含义。尽管大型语言模型（LLM）表现出强大的语言理解能力，但由于有限的语音建模和不受控制的端到端生成，它们仍然难以进行双关推理。我们提出了 \textbf{PunGraph}，一种用于双关语理解的检索增强型知识图框架。 PunGraph 使用 Unisyn 语音词典、IPA 和 G2P 表示以及 WordNet 定义构建语音语义词汇图，并检索候选词或含义以将 LLM 推理限制在结构化候选空间内。我们进一步引入了 \textbf{WebPun}，一个新的大规模数据集，包含 5,730 个带注释的异形和同形双关语。 SemEval-2017 和 WebPun 上的实验表明，PunGraph 持续提高了小规模 LLM 的性能，并取得了与强大的专有模型相比具有竞争力的结果。进一步的分析表明，检索引导的语音和语义约束有效减少了双关语解释中的常见推理错误，凸显了将结构化知识与大语言模型相结合的好处。我们在 https://github.com/ysu132/PunGraph 发布了我们的代码和数据集。