[論文レビュー] Generating Conceptual Metaphors from Proposition Stores

Ekaterina Ovchinnikova, Vladimir Zaytsev+2 more|arXiv (Cornell University)|Sep 25, 2014

Language, Metaphor, and Cognition参考文献 34被引用数 7

ひとこと要約

本稿では、手動でコーディングされたリソースやアノテート済み学習データに依存せずに、概念的比喩を自動的に生成する非教師あり手法を提示する。この手法は、プロポジション・ストア（概念の意味的関係を表す構造化された言語データ）から、ターゲット概念と類似した性質を持つドメインを特定することで、潜在的なソースドメインを同定し、それに対応する言語的比喩を生成する。これらの比喩は専門家による検証を経て、英語およびロシア語の両方の評価で高い正確性を達成した。

ABSTRACT

Contemporary research on computational processing of linguistic metaphors is divided into two main branches: metaphor recognition and metaphor interpretation. We take a different line of research and present an automated method for generating conceptual metaphors from linguistic data. Given the generated conceptual metaphors, we find corresponding linguistic metaphors in corpora. In this paper, we describe our approach and its evaluation using English and Russian data.

研究の動機と目的

• 手動で整備された語彙的意味的リソースに依存せずに、生の言語データから自動的かつ非教師ありで概念的比喩を生成する手法の開発。
• 生成された概念的比喩に基づいてコーパス内に存在する言語的比喩を発見可能とし、比喩認識および解釈を支援すること。
• 英語およびロシア語の言語データを用いて、本手法の有効性を評価し、多言語的適用可能性を確保すること。
• コミュニティが比喩生成および分析に使用できるオープンソースのツールキットと検証済みリソースを提供すること。
• 計算された比喩ランクスコアと人間による比喩の顕著さの判断との相関関係を評価すること。

提案手法

• 構文解析された文からプロポジション・ストアを構築し、文法的関係を持つ語の重み付きタプルを抽出することで、概念に関する常識的知識を表現する。
• 各ターゲット概念に対して、その性質を記述する重み付きプロポジションのリストを収集し、類似した性質プロファイルを持つ潜在的なソースドメインを同定する。
• 共有されるプロポジション的特徴に基づいてターゲット概念と候補ソース概念の類似度を計算し、重み付きマッチング機構を用いて潜在的な概念的比喩をランク付けする。
• 生成された概念的比喩に基づき、コーパス内からそのマッピングを表現する言語的実現（例：「経済が前進する」のようなフレーズ）を検索する。
• 事前に定義されたソースまたはターゲットドメインを必要とせず、選択的制約や手作業でコーディングされた知識にも依存しない。
• 検証は専門家言語学者が実施し、発見された言語的比喩の関連性および自然さを評価する。

実験結果

リサーチクエスチョン

• RQ1 手動でコーディングされた語彙的意味的リソースに依存せずに、プロポジション・ストアから概念的比喩を信頼性高く生成できるか？
• RQ2 自動的に生成された概念的比喩は、マスターメタファー・リストおよびCorMetから得られる既存の概念的比喩とどの程度一致するか？
• RQ3 生成された概念的比喩に基づいて、コーパス内に有効な言語的比喩をどの程度発見できるか？
• RQ4 提案されたランク付け機構は、特定のターゲット概念に対して最も妥当なソースドメインを特定するのにどの程度効果的か？
• RQ5 ターゲットドメインとソースドメインのプロポジション的性質の類似度は、概念的比喩の認識される顕著さをどの程度予測できるか？

主な発見

• ロシア語の言語的比喩について、上位ランクのソースに対して76％の成功率を達成し、185件中141件が専門家によって正しくと判断された。
• 英語では、上位ランクのソースに対して163件中197件の言語的比喩が正しくと判断され、83％の正答率を示した。
• マスターメタファー・リストの14の概念的比喩のうち12つを正しく生成し、既存の比喩的マッピングと強い整合性を示した。
• 「水 → 感情」や「戦い → 愛」のようなマッピングにおいて、CorMetを上回る性能を示し、より高い信頼度スコアと自然な表現のカバー範囲を達成した。
• 「戦い → 感情」のマッピングについて、99％の信頼度スコアを達成し、コーパス内での自然な比喩的使用と強い整合性を示した。
• 本手法は多言語的頑健性を示し、英語およびロシア語の両方で一貫した性能を発揮しながら、比喩の生成と検証に成功した。