英語人體隱喻的自動識別模型構(gòu)建

緒論 1
0．1 研究背景 1
0．2 研究問題 2
0．3 研究概述 2
0．4 研究意義 4
0．5 本書結(jié)構(gòu) 5
第一章 隱喻研究綜述 6
1．1 隱喻的界定 6
1．2 隱喻的認(rèn)知視角 7
1．2．1 轉(zhuǎn)喻 8
1．2．2 明喻 10
1．2．3 常規(guī)隱喻與新生隱喻 10
1．2．4 復(fù)雜隱喻與基本隱喻 11
1．3 隱喻的語料庫視角 12
1．4 人體隱喻研究綜述 14
1．4．1 人體隱喻的認(rèn)知視角 14
1．4．2 人體隱喻的語言視角 18
1．4．3 已有研究對構(gòu)建模型的啟示 23
1．5 小結(jié) 25
第二章 隱喻自動識別研究述評 26
2．1 基于規(guī)則的方法 26
2．2 基于統(tǒng)計的方法 27
2．2．1 聚類方法 28
2．2．2 有監(jiān)督的機器學(xué)習(xí)方法 30
2．2．3 語言學(xué)假設(shè)與統(tǒng)計方法相結(jié)合 31
2．3 對已有研究的總體評價 33
2．4 小結(jié) 34
第三章 本研究使用的資源與研究算法 35
3．1 本研究使用的資源 35
3．1．1 知識庫與語料庫等資源 35
3．1．1．1 WordNet 35
3．1．1．2 WordNet擴展概念域 40
3．1．1．3 頂層本體 41
3．1．1．4 英語國家語料庫 42
3．1．1．5 英語詞典 44
3．1．2 第三方研究工具 45
3．1．2．1 Editpad Pro與PowerGrep 45
3．1．2．2 NLTK與最大熵工具包 45
3．2 研究算法 46
3．2．1 用于知識庫模塊的算法 46
3．2．1．1 N元序列搭配強度算法 46
3．2．1．2 限定人體詞序列長度的算法——K值 48
3．2．2 用于機器學(xué)習(xí)模塊的算法 49
3．2．2．1 抽象值算法 49
3．2．2．2 最大熵原理 50
3．3 小結(jié) 53
第四章 研究流程 54
4．1 語料的前期準(zhǔn)備 54
4．1．1 人體詞的選取 54
4．1．2 研究語料的收集與抽樣 56
4．1．3 人體隱喻的人工標(biāo)注 59
4．1．3．1 人工識別流程 59
4．1．3．2 人工標(biāo)注的難點及解決辦法 61
4．1．3．3 人工標(biāo)注的信度報告 62
4．2 語言特征的提取 63
4．2．1 知識庫模塊的語言特征 64
4．2．1．1 人體隱喻搭配序列 64
4．2．1．2 人體隱喻始源域?qū)?yīng)的詞語 70
4．2．2 機器學(xué)習(xí)模塊的語言特征 71
4．2．2．1 語言特征的選取范圍 71
4．2．2．2 詞語的抽象值 74
4．3 數(shù)據(jù)分析 75
4．3．1 構(gòu)建模型 75
4．3．2 模型驗證階段 77
4．4 小結(jié) 78
第五章 英語人體隱喻的語言分析 79
5．1 英語人體隱喻的語義分布 79
5．1．1 英語人體域的語義分布 79
5．1．2 英語人體詞的語義分布 81
5．2 英語人體隱喻的語言特征 84
5．2．1 英語人體隱喻語言特征的總體分布 84
5．2．2 英語人體隱喻語言特征的具體分析 86
5．2．2．1 人體轉(zhuǎn)喻的語言特征 86
5．2．2．2 人體域為始源域的隱喻的語言特征 90
5．2．2．3 人體域為目標(biāo)域的隱喻的語言特征 94
5．3 小結(jié) 98
第六章 人體隱喻自動識別模型的構(gòu)建與驗證 99
6．1 檢驗語言特征應(yīng)用方式的先導(dǎo)研究 99
6．1．1 測試機器學(xué)習(xí)語言特征的先導(dǎo)試驗 100
6．1．2 測試知識庫與機器學(xué)習(xí)結(jié)合方式的先導(dǎo)試驗 103
6．2 人體隱喻自動識別模型的構(gòu)建 104
6．2．1 人體隱喻語言特征知識庫 104
6．2．2 機器學(xué)習(xí)模塊 107
6．3 模型的驗證結(jié)果 111
6．3．1 模型的整體驗證結(jié)果 112
6．3．2 知識庫模塊的驗證結(jié)果 113
6．3．2．1 誤判語句分析 113
6．3．2．2 漏判語句分析 114
6．3．3 機器學(xué)習(xí)模塊的驗證結(jié)果 115
6．3．3．1 模塊識別過程的示例 115
6．3．3．2 模塊的驗證情況 116
6．3．3．3 模塊識別的隱喻類型 117
6．4 與其他研究的對比 117
6．5 小結(jié) 119
第七章 結(jié)論<>