隐喻性多义检测：常规隐喻遇见词义消歧
计算与语言
2022-12-19 v1
摘要
语言学家区分新颖隐喻与常规隐喻，而 NLP 中的隐喻检测任务并未考虑这一区分。相反，隐喻性被表述为句子中某个词符的属性，而不论隐喻类型。在本文中，我们考察以这种方式处理常规隐喻的局限性，并倡导一种我们称之为“隐喻性多义检测”（MPD）的替代方案。在 MPD 中，仅处理常规隐喻性，并将其表述为词典中词义的属性。我们开发了首个 MPD 模型，其学习在英语 WordNet 中识别常规隐喻。为训练该模型，我们提出一种将隐喻检测与词义消歧（WSD）相结合的新型训练流程。为进行评估，我们手动标注了 WordNet 两个子集中的隐喻。我们的模型显著优于基于最先进隐喻检测模型的强基线，在其中一个子集上达到 .78 的 ROC-AUC 分数（对比 .65）。此外，当与 WSD 模型配对时，我们的方法在识别文本中的常规隐喻方面优于最先进的隐喻检测模型（F1 为 .659，对比 .626）。
引用
@article{arxiv.2212.08395,
title = {Metaphorical Polysemy Detection: Conventional Metaphor meets Word Sense Disambiguation},
author = {Rowan Hall Maudslay and Simone Teufel},
journal= {arXiv preprint arXiv:2212.08395},
year = {2022}
}