Webを使ったメタファー概念ネットワーク : 文化を超えた隠喩を処理する認知システム

使用网络的隐喻概念网络：处理跨文化隐喻的认知系统。

基本信息

批准号：
11F01348
负责人：
佐山公一
金额：
$ 1.41万
依托单位：
Otaru University of Commerce
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2011
资助国家：
日本
起止时间：
2011 至 2013
项目状态：
已结题

项目摘要

平成24年度に引き続き, メタファー概念ネットワーク構築の具体的作業を行った。日本語表現大辞典(小内, 2005)から収集したメタファーの文例3万についてメタファーのsalience imbalanceの閾値(基準)を計算した。格フレーム等を使い, それぞれの直喩の喩辞と被喩辞の属性のリストをとりだして比較し, 両方のリストに現れた項目を抽出した。項目に, 直喩の共通属性または共通属性らしいものが現れたら, 喩辞の属性リストと被喩辞の属性リストの中の位置を計算し比較する。たとえば, 『疑問が雲のように湧く』では, 喩辞が『雲』, 被喩辞が『疑問』, 共通属性が『湧く』となる。共通属性『湧く』の属性リスト内の位置を計算する。『疑問』の全属性の数188のうち, 『疑問』側の『湧く』の位置が9(平均位置, 9/188=0.048), 『雲』の全属性の数123のうち『雲』側の『湧く』の位置が27(平均位置, 27/123=0.220)となり, 平均位置の差は0.172となる。この平均位置の差をsalience imbalanceの閾値と考える。このようにして, 直喩におけるsalience imbalanceの閾値を計算する。閾値を超えればメタファーとして処理し, 超えなければメタファーとして処理しない, という条件を設けることで, データ内のメタファーを実際にコンピュータが処理できるかどうかを調べた(現在もこの作業を行っている)。作業を行っている過程の中で, 『ような』のような指標を含み, かつ比喩として受けとられる(比喩性を持つ)表現ではあるが実際には直喩ではなく, 文字通りの比較ではあるがその中に換喩を含む表現が数多くあることが分かった。こうした表現は, 表層表現からは直喩と区別がつかない。たとえば, 『クジラのような小さい目』はクジラが小さいことを述べているわけではむろんなく, クジラの目がクジラの体に比べて非常に小さいことを述べている。日本語母語話者はクジラとクジラの目との間の隣接関係を使ってこのことを簡単に理解できていると考えられる。しかしながら, そうした処理はコンピュータには難しい。この日本語の表現を英語に翻訳すると, 『Eye small as whale's』のようになり所有格が使われる。英語では表層表現からそれがクジラの目であることが分かるが, それを日本語にすると表層表現上では分からないことになる。日本語母語話者にとっては, そうした表現も直喩も同じように比喩的に感じられる。日本語母語話者はこういった表現を一種の換喩として理解している。そこでメトニミーもメタファーネットワークに含めることにし, システムの中に換喩と直喩を区別する仕組みも導入することにした。メタファーとメトニミーを, 閾値を使って区別するアルゴリズムを作り実際にコンピュータに判定させた。日本語母語話者にもメタファーかメトニミーかを区別してもらい, その判定結果をコンビ。ユータの結果と比較した。

2012年开始，我们开展了隐喻概念网络构建的具体工作。我们计算了从日语表达词典（Kouchi，2005）中收集的 30,000 个隐喻句子的隐喻显着性不平衡阈值。使用格框架等，我们提取并比较了每个明喻的明喻和明喻的属性列表，并提取了两个列表中出现的项目。当明喻的共同属性或看似共同属性的东西出现在项目中时，计算并比较明喻属性列表和明喻属性列表中的位置。例如，在“问如云”中，隐喻是“云”，隐喻是“问题”，公共属性是“春天”。计算公共属性“Spring”在属性列表中的位置。《疑惑》总共 188 个属性中，《春天》在《疑惑》一侧的位置为 9（平均位置，9/188=0.048），而《春天》总共 123 个属性中，“疑惑”一侧的位置为 9（平均位置，9/188=0.048）。 ‘云’’，‘泉’的位置在‘云’一侧，‘泉’的位置为27（平均位置，27/123=0.220），与平均位置之差。是0.172。这种平均位置的差异被认为是显着性不平衡的阈值。通过这种方式，我们计算了明喻中显着性不平衡的阈值。通过设置条件，如果超过某个阈值，则将其作为隐喻处理，如果没有，则不将其作为隐喻处理。我们研究了计算机是否能够真正处理数据中的隐喻（我们还在研究中）做这项工作）。在工作过程中，我遇到过一些带有“像”等指示符的表达方式，被解释为隐喻（具有比喻性质），但实际上并不是明喻，而是字面的比较。事实证明，这种表达方式有很多种。其中包括转喻。从表面上看，这些表达方式无法与明喻区分开来。例如，“像鲸鱼一样小眼睛”并不一定意味着鲸鱼很小，而是指鲸鱼的眼睛与鲸鱼的身体相比极其小。据认为，以日语为母语的人可以通过鲸鱼和鲸目动物眼睛之间的相邻关系轻松理解这一点。然而，这样的处理对于计算机来说是困难的。当这个日语表达被翻译成英语时，它变成“眼睛像鲸鱼一样小”，并且使用了所有格。在英语中，我们从表面表情可以看出它是鲸鱼的眼睛，但当我们将其翻译成日语时，我们无法从表面表情看出。对于以日语为母语的人来说，这样的表达和明喻同样具有隐喻性。以日语为母语的人将这些表达方式理解为一种转喻。因此，我们决定在隐喻网络中加入转喻，并在系统中引入区分转喻和明喻的机制。我们创建了一种算法，使用阈值来区分隐喻和转喻，并实际上让计算机做出决定。我们还要求以日语为母语的人区分隐喻和转喻，并将结果结合起来。结果与犹他州的结果进行了比较。