1、隱喻是自然語(yǔ)言處理領(lǐng)域最棘手的問(wèn)題之一,這個(gè)問(wèn)題逐漸引起了學(xué)者們的關(guān)注,并且隱喻在思維及語(yǔ)言中所處的中心地位也逐漸為自然語(yǔ)言處理研究者所認(rèn)同。隱喻是通過(guò)一個(gè)事物來(lái)表達(dá)另外一個(gè)事物,它不僅是一種修辭手段,而且體現(xiàn)著人的一種類比認(rèn)知和思維方式。實(shí)際上,隱喻現(xiàn)象是一切自然語(yǔ)言中普遍存在的現(xiàn)象,是自然語(yǔ)言處理不可回避的問(wèn)題,因此隱喻問(wèn)題若得不到很好的解決,將成為制約自然語(yǔ)言處理和機(jī)器翻譯發(fā)展的瓶頸。近幾年來(lái),在隱喻識(shí)別方面,機(jī)器學(xué)習(xí)方法和大規(guī)模

2、知識(shí)獲取成了新的亮點(diǎn)。本文選擇漢語(yǔ)文本中的隱喻計(jì)算問(wèn)題作為研究對(duì)象,以隱喻識(shí)別為研究?jī)?nèi)容,從名詞性隱喻和動(dòng)詞性隱喻這兩種最主要的隱喻類型入手,采用多種機(jī)器學(xué)習(xí)算法,廣泛地探討了隱喻的識(shí)別方法。
　　 本文選擇了20個(gè)常用的隱喻詞語(yǔ),使用2001年-2004年的《人民日?qǐng)?bào)》語(yǔ)料進(jìn)行隱喻識(shí)別研究,主要研究?jī)?nèi)容如下：基于有監(jiān)督學(xué)習(xí)的隱喻識(shí)別。針對(duì)名詞性隱喻和動(dòng)詞性隱喻這兩類主要的隱喻類型,提出了基于RFR_SUM模型、SVM算法、CR

3、F模型、最大熵模型和語(yǔ)義相似度計(jì)算模型的隱喻識(shí)別方法。分類方法為識(shí)別隱喻提供了一個(gè)機(jī)器識(shí)別的思路,考察了主流的分類方法在識(shí)別隱喻時(shí)的性能和效果。其中,RFR_SUM模型識(shí)別性能比較穩(wěn)定,名詞性和動(dòng)詞性隱喻的正確率的穩(wěn)定性保持地最好。另外,CRF模型的識(shí)別正確率比SVM算法的略高,但是效果最好的是語(yǔ)義相似度計(jì)算模型。這個(gè)模型在采用K近鄰分類算法的基礎(chǔ)上,融入了語(yǔ)義相似度計(jì)算,使它的隱喻識(shí)別性能得到提高,是五個(gè)模型中隱喻識(shí)別正確率最高的。此

4、外,對(duì)五個(gè)模型的實(shí)驗(yàn)結(jié)果進(jìn)行了基于投票的集成實(shí)驗(yàn)。使隱喻識(shí)別正確率得到提升,名詞性隱喻正確率達(dá)到87.74％,動(dòng)詞性隱喻正確率達(dá)到85.27％?；诰垲愃惴ǖ碾[喻識(shí)別。在聚類過(guò)程中,樣本間的相似度使用了基于同義詞詞林的向量空間相似度計(jì)算和基于知網(wǎng)的語(yǔ)義相似度計(jì)算兩種方法,采用K-means算法原理,并對(duì)K-means算法的隨機(jī)選擇初始聚類中心的方法進(jìn)行了優(yōu)化。聚類實(shí)驗(yàn)設(shè)計(jì)了三個(gè)方案來(lái)提升隱喻識(shí)別結(jié)果的正確率,其中方案二不僅利用了近距離搭

5、配信息,也考慮了遠(yuǎn)距離的特征信息,使實(shí)驗(yàn)結(jié)果得到提高?；诎氡O(jiān)督算法的隱喻識(shí)別。探討了利用K-means算法和RFR_SUM模型對(duì)隱喻識(shí)別進(jìn)行半監(jiān)督學(xué)習(xí)的方法,該算法是在分類實(shí)驗(yàn)和聚類實(shí)驗(yàn)的基礎(chǔ)之上實(shí)現(xiàn)的。不僅利用了已標(biāo)記樣本的信息量,而且運(yùn)用了未標(biāo)記樣本提供的信息,提高了隱喻識(shí)別的正確率。最后,構(gòu)建了用于隱喻計(jì)算的小型隱喻知識(shí)庫(kù)。在隱喻研究的實(shí)驗(yàn)結(jié)果基礎(chǔ)上,利用算法抽取隱喻類的特征詞,并把特征詞依據(jù)對(duì)應(yīng)的RFR值進(jìn)行排序,建立基于隱喻