计算机应用

作者：郑天龙, 董瑞, 杨雅婷, 马博, 王磊, 周喜

单位：1.中国科学院 新疆理化技术研究所，乌鲁木齐 830011；2.中国科学院大学，北京 100049；3.新疆民族语音语言信息处理实验室（中国科学院），乌鲁木齐 830011

关键词：隐喻检测,多重不一致性网络,语言学方法,大语言模型,LoRA微调

基金：新疆维吾尔自治区自然科学基金重点项目(2024D01D29);新疆维吾尔自治区自然科学基金重点项目(2022D01D04);新疆维吾尔自治区自然科学基金重点项目(2022D01D81);新疆维吾尔自治区“天山英才”培养计划项目(2022TSYCCX0059);新疆维吾尔自治区“天山英才”培养计划项目(2023TSYCCX0044);新疆维吾尔自治区“天山英才”培养计划项目(2023TSYCCX0041);中国科学院青年创新促进会项目(Y2021112);中国科学院青年创新促进会项目(Y20231

针对现有隐喻检测研究忽略了目标词在特定语境中存在多种语义（一词多义）时目标语句句义和目标词基本义不一致引起的隐喻发生问题，提出一种基于语言学多重不一致性的隐喻检测模型。首先，在特征编码模块，使用2个独立的编码器编码目标语句句义、目标词基本义和语境义等特征信息；其次，在多重不一致性建模模块，使用选择偏好违背（SPV）、隐喻识别程序（MIP）和语义用法对比（SUC）这3个语言学方法对多重不一致性特征进行统一建模；最后，利用隐喻识别模块进行隐喻检测。此外，通过LoRA（Low-Rank Adaptation）微调的大语言模型（LLM）和人工矫正结合的数据标注方法构建一个中文词级隐喻检测数据集META-ZH，以验证中文隐喻检测性能。实验结果表明，所提模型在VUA All、VUA Verb、MOH-X和META-ZH隐喻检测数据集上，对比最优基线模型，F1值分别提升了0.8、1.3、1.5和2.3个百分点。可见，该模型能够充分利用语言学多重不一致性有效提高隐喻检测性能。

来源：2025年第12期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第12期