【计算机科学】_隐喻识别_期刊发文热词逐年推荐_20140724
隐喻转喻视角下普通词汇在计算机领域中意义的延伸
赤 峰 学 院 学 报 （汉 文 哲 学 社 会 科 学 版 ） Ｊｕｎｌｆ ｈ ｅｇ ｎｖｒｉ Ｓｃ ｃ） ｏｒａ ｏＣ ｉｎ ｉ ｓｙ（ｏ． ｉ ｆ Ｕ ｅ ｔ Ｓ
Ｖｏ ＿ １Ｎｏ １ ｌ ３ ．Ｏ Ｏｃ ．０ ０ ｔ １ ２
从 某 种 程 度上 讲 具 有 相 对 的无 限性 。
二、 隐喻 思 维 模 式 对 词 义的 拓 展
Ｉｋｆ和 Ｊｈ ｓｎ 为 ，人 类 有 能 力将 一个 概 念 域 隐 喻 ￣ｏ ａ ｏｎｏ 认 性 地 映 射 到 另 一个 概念 域 ，从 而建 立 起 不 同概 念域 之 间 的 相 互 联 系 ，而 这 种联 系是 客 观事 物 在 人 的认 知 领 域 里 的 相
１ ． 身体部位 。人类对 于世界 的经验里 ， 首要 的和最直接 的是人类对于 自己的身体的认 知。计算机领域 的技术词汇
汇。例如指生物体人的记忆或 回忆的 ｍ ｍ ｒ 在计算机中产 ｅ ｏｙ 生了新义 “ 硬件存储 器 、 内存” （ ） 入计算机 领域成为计 ；２ 进
算机 专业 词 汇 的词 可 能 进 一 步 经 历 意 义 的 改 变 。例 如计 算
义现象是一个词语具有多种相互 联系意义 的语 言现象。其 研究表 明， 多义现象是通过人类认知手段（ 如隐喻 、 转喻）由 ，
一
隐喻对词义在计算机领域拓展的第 一种模 式是 Ｓ ｅｔ ｗｅ ｒ ｅ 所说 的“ 以身喻心” ｎ —ｓ ｂｄ） （ ｄ ａ— ｏ ｙ ｍｉ 的隐喻影响。随着计算机
ｆ 的一 部 分 ， ｆ ： 为多 数 人 所 熟 知 。
机产生之前 ｓｒｅ 指 “ ｅｖｒ 侍者” 成为计算机词 汇后 ， ， 本指包括 硬件 和软件在 内在 网络上允许用户文件访问 、 打印 、 通讯及 其他服务的计算机 ， 在使用过程 中 ｓｒｅ 也可单纯用 来指代 ｅｖｒ 提供该服务的计算机 中的软件部分 。因此 ， 词汇意义 的延伸
【计算机科学】_神经网络学习_期刊发文热词逐年推荐_20140724
科研热词 神经网络 风险评估 集成学习 遗传规划 遗传算法 进化泛函网络 语音识别 粒子群 神经元函数 特征项 混合基函数 权重 敏感系数 支持向量机 小波神经网络(wnn) 小波分析 函数逼近 入侵检测 信息 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2011年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
2011年 科研热词 神经网络 特征抽取 深网入口 机器学习 预测误差 粗逻辑神经网络 粗糙集 粗糙神经元 短期负荷预测 模糊神经网络 模糊推理 数字识别 改进bp网络 安全态势 天气预测 l-m优化法 bp算法 推荐指数 4 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1
2012年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
科研热词 隐神经元 贡献因子 蛋白质二级预测 结构信息 离散hopfield 神经网络 特征提取 正交基函数 正交化 样本属性 权值与结构确定法 权值 最优结构 径向基网络 学习算法 奇异值分解 多输入 噪声数字识别 函数逼近 人脸识别 rbf神经网络 laguerre正交多项式
推荐指数 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2013年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
科研热词 集成学习 连续学习 软件可靠性早期预测 蚁群算法 矩阵伪逆 特征选择 混沌神经网络 泛函神经元 概率神经网络 时空总和 忆阻器 布尔函数 学习算法 奇偶校验问题 基函数 分类 二进神经网络 lvq神经网络 lasso回归方法 lars算法 bp神经网络 bagging
隐喻的认知语言学研究及其对英语词汇学习的影响
在语言学和翻译理论的研究中，隐喻和翻译认知语言学的影响力日益增强。 这两者不仅为翻译过程提供了新的理解方式，也进一步揭示了翻译实践的复杂性 和动态性。本次演示旨在探讨隐喻和翻译认知语言学对翻译理论研究的启示。
首先，我们讨论隐喻在翻译理论研究中的角色。隐喻不仅仅是语言的修辞手 段，而且是一种认知和理解世界的方式。在翻译过程中，隐喻可以帮助我们理解 和处理文化差异，使目标文本更符合目标文化的语境和规范。例如，在文学翻译 中，隐喻可以用来传达原文本的象征意义和深层含义，同时也可以用来构建目标 文本的文化和社会背景。因此，隐喻在翻译理论研究中起着至关重要的作用。
4、运用多渠道学习：通过书籍、杂志、影视作品等多种渠道学习新词汇， 提高学习效率。
理解过程
理解过程是英语词汇学习的第二步。在这个阶段，学生需要深入理解词汇的 含义、用法、搭配等。以下是一些有助于提高理解能力的方法：
1、联想记忆：将新词汇与已有知识建立，通过联想的方式加深理解。 2、对比记忆：将类似或相反的词汇进行对比，找出异同点，提高记忆效果。
最后，隐喻也可以帮助学习者掌握单词使用的语境。在不同的语境下，同一 个单词可能会有不同的含义和用法。通过隐喻的方式，学习者可以更好地理解这 些语境下的含义和用法，从而更好地掌握单词的使用。
隐喻认知语言学在英语词汇学习 中的局限性
虽然隐喻认知语言学对英语词汇学习有很大的帮助，但是也存在一定的局限 性。首先，并不是所有的英语单词都可以通过隐喻来记忆和理解，有些单词的含 义和用法可能无法用隐喻来解释。其次，隐喻的使用受到文化背景的影响，不同 文化背景的人可能对同一隐喻有着不同的理解和感受。因此，学习者需要注意隐 喻使用的具体情境和文化背景。
接下来，我们讨论翻译认知语言学对翻译理论研究的启示。翻译认知语言学 强调翻译过程是一个动态的、创造性的认知过程，涉及到源语言和目标语言之间 的意义转换和文化协商。这种观点为我们理解翻译的复杂性提供了新的视角，使 我们能够更好地理解翻译过程中的文化、语境和语义转换。此外，翻译认知语言 学还强调翻译过程中的语境敏感性。
隐喻计算机模型
项原则， 对隐喻理解有着重要意义。国内语言学界对隐喻的
国家自然科学基金资助项目 （ !"#$#"%" ） 。黄孝喜& 博士研究生， 主要研究领域为计算语言学、 认知逻辑学； 周昌乐& 博士， 教授， 博士生导师， 主要研究领域为计算 #） 语言学、 理论脑科学和认知逻辑学。
・ -$%・
出了隐喻理解的选择优先限制 （ !"#"$%&’()# *+","+"($" +"-%+&$. %&’(-） 异常中断方法。/�- 认为隐喻的出现必定会导致语义 上的优先中断 （ *+","+"($".1+")0&(2 ） 。因此， 在优先语义模型 上增加一个 “ 隐喻识别” 模块， 通过语义限制的异常来触发对 隐喻的分析。此外， 还有一个带有情景知识结构的辅助解释 机制， 情景知识采用伪文本 （ 3-"45’.%"6% ） 表示。一旦一个语 义优先异常被触发， 隐喻解释系统就从伪文本中选择一个合 适的语义框架， 并把异常的语义框架结构投影过去。伪文本 是一种类似于谓词格式的实体知识， 比如实体 “ 汽车” ， 有 “非 生命体” 、 “ 消耗汽油” 、 “ 能行驶” 、 “ 可载客” 、 “ 载货” 、 “ 行驶 速度” 等信息。对于隐喻句 “ 78 $)+ 5+&(0- 2)-’#&(" ” ， 由于动 词 5+&(0 的 语 义 优 先 公 式
广泛使用的隐喻计算解释系统。 对隐喻的研究可以追溯到古希腊的亚里斯多德， 他提出 的对比论和替代论一直影响着修辞学领域的隐喻研究。但其 仅将隐喻看作是词语层次的一种修辞方式， 将隐喻的功能看 作是一种附加的、 可有可无的 “ 装饰” ， 缺乏对隐喻本质的认 识和阐述。’" 世纪 #" 年代以来， R5G;6ENJ 和 X*6GU 分别从修 辞哲学和 结 构 主 义 语 言 学 角 度 提 出 了 隐 喻 的 互 动 理 论 学 说
【计算机应用研究】_汉语_期刊发文热词逐年推荐_20140724
推荐指数 1 1 1 1 1 1 1 1 1
2010年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
科研热词 面向对象 矢量可标记语言 比较基准 比较句 比较关系 比较主体 本体 有标复句 无指导学习 建模 复句 可视化 内-外算法 关系层次树 依存分析 crf模型
2012年 序号 1 2 3 4 5 6 7 8 9
科研热词 语篇结构分析 语篇关系 特征选择 点对互信息 朴素贝叶斯 文本情感分类 情感词典 宾州语篇树库 修辞结构理论
推荐指数 1 1 1 1 1 1 1 1 1
2013年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14
科研热词 词切分 自然语言理解 编辑距离 维汉机器翻译 短语表 未登录词 最大后验概率 方言编码 字符串相似度算法 声韵母 决策树聚类 修饰音 人工代谢算法 三音子模型
推荐指数 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2014年 序号 1 2 3 4
2014年 科研热词 词性 词义消歧 消歧分类器 句法信息 推荐指数 1 1 1 1
2008年 序号 1 2 3 4 5 6 7
科研热词 隐喻 语义关系抽取 自然语言理解 自然语言处理 知识库 句法模式 信息抽取
推荐指数 1 1 1 1 1 1 1
2009年 序号 1 2 3 4 5 6 7 8 9
科研热词 语音检索 语言模型 自然语言理解 自动阅卷 置信度 网格 模糊概念图 互信息 主观题
推荐指数 1 1 1 1 1 1 1 1 Байду номын сангаас 1 1 1 1 1 1 1
2011年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
【计算机科学】_自动识别_期刊发文热词逐年推荐_20140723
科研热词 自动识别 支持向量机 异常检测 验钞机 集成分类 连用特征 运动词包 软件漏洞 软件安全 语义主题模型 计算机视觉 计算机应用 计算机安全 规则 褶皱 行为表象矩阵 行为聚类 自组织映射 自然语言处理 自学习 自动标识 自动并行化 生物认证 特征过滤 特征提取 浮雕纹理识别 模糊c均值 模式匹配 标签传播算法 查询行为 有标复句 方向计算 数模信号 指纹识别 投资者情绪 意图识别 情绪词 情感词 情感分类 情感倾向 微博 循环携带 形态学运算 学习风格维度 学习风格 基于规则 图像分割 句法分析树 反依赖 协作学习 判决法 信息获取
推荐指数 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2010年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
科研热词 自然语言理解 隐喻识别 遗传算法 近似支持向量机 软件无线电 调制识别 自适应中文分词 知识管理 独立分量分析 特征加权 汉语隐喻短语 最大熵 文本分类 支持向量机 多层最大熵模型 人脸性别分类 事件要素识别 事件抽取 主干词 主干分析 rfid relieff算法 ga-bp神经网络
推荐指数 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2009年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29
科研热词 隐喻理解与生成 针检测 道路标志提取 逆向工程 软件分析 车辆工程 超声图像导引 语义角色 语义web 设计模式 自然语言理解 自动指纹识别系统 统计识别 粗-精搜索策略 相位编组法 生物识别技术 特征提取 概念组合关系 本体构建 有效点聚集度 方向投影特征 指纹图像分割 指代消解 室外移动机器人 实时灰度hough变换 基于实例 关系数据库 中心理论 web本体语言
学科交叉视角下隐喻识别研究进展
学科交叉视角下的隐喻识别研究进展摘要：隐喻目前已经成为一个涉及认知语言学、心理学、教育学、逻辑学、计算机科学等多学科交叉的研究领域。
本文将从认知语言学和计算机科学的交叉角度对隐喻识别所涉及的理论和方法进行探究，以期让更多的研究人员不仅停留在技术层面，而是更多地关注计算机技术背后的认知语言学理论基础，同时为语言教育者提供一些计算思维和计算机网络环境下语言教学新的思路和方法。
关键词：隐喻识别；多学科交叉视角；计算思维；语言教学中图分类号：tp31隐喻普遍存在于人类语言中。
早在两千多年前，古希腊哲人亚里士多德就在《诗学》中把隐喻归入到修辞学领域中进行了描述。
汉语隐喻的历史也非常悠久，最早的诗歌总集《诗经》中就出现了“譬”（metaphor）的纯熟运用。
20 世纪30年代，出现了以richard& black为代表的语义互动隐喻学派，他们认为人的思维是隐喻生成机制的主要动因，为隐喻从修辞格向认知领域的过渡打下了理论基础。
到了70年代，lakoff & johnson[1]在《我们赖以生存的隐喻》一书中指出，隐喻是一种思维方式，是人类理解抽象概念、进行抽象思维的重要途径。
此后隐喻的认知功能和在思维中的中心作用得到了学术界的普遍认可。
90年代著名认知语言学家turner & fauconnie[2]创建了概念整合论（the conceptual integration theory），对lakoff & johnson的概念隐喻理论进行了整合完善，具有更广泛的解释性。
近几年随着计算机科学的迅猛发展，隐喻又成为了自然语言处理的研究热点。
目前学者们在多学科研究的基础上对隐喻的识别理解进行多种尝试[3-5]，试图推动对自然语言更深层次的认知和理解。
隐喻已经成为了一个涉及认知语言学、心理学、教育学、逻辑学、计算机科学等多学科交叉的研究领域。
隐喻自动识别关键的第一步是要解开人类对隐喻理解的认知机制，建立语言的形式化模型，使之能够以计算机能够识别的形式表示出来。
术语中的隐喻
《科技术语研究》，2006年，第3期-术语命名中的隐喻Metaphor in term-naming教育部语言文字应用研究所冯志伟1隐喻（metaphor）是自然语言中普遍存在的一种现象，这种现象一直是修辞学（Rhetoric）研究的重要内容。
例如，在“历史的车轮滚滚向前”这个句子的意思是历史发展的轨迹就像车轮那样滚滚向前。
这是一个隐喻。
在这个隐喻中，用“车轮”这个概念来比喻“历史发展的轨迹”这个概念，“车轮”是我们熟悉的、比较具体直观的、比较容易理解的概念，而“历史发展的轨迹”则是抽象的、不太容易理解的概念。
通过“车轮”这样的隐喻，我们对于“历史发展的轨迹”这样比较抽象的、不太容易理解的概念获得了更加明确的、更加形象的认识。
在修辞学中，隐喻作为一种“辞格”，一个完整的隐喻一般由“喻体”和“本体”构成，喻体通常是我们熟悉的、比较具体直观的、比较容易理解的一些概念范畴，本体则是我们后来才认识的、抽象的、不太容易理解的概念范畴。
在我们上面的例子中，“车轮”就是喻体，“历史发展的轨迹”就是“本体”。
在认知语言学（cognitive linguistics）中，喻体叫做“始源域”（source domian），本体叫做“目标域”（target domain）。
在我们上面的例子中，“车轮”就是始源域，“历史发展的轨迹”就是目标域。
隐喻的认知力量就在于将始源域的图式结构映射到目标域上，使人们通过始源域的图式结构，对于目标域得到更加清晰的认识。
因此，认知语言学认为，隐喻不但是一种修辞手段，而且还是人的一种思维方式，隐喻普遍地存在于人们的各种认知活动中。
术语是人类科学知识在自然语言中的结晶，是人类认知活动的重要产物。
因此，在术语中，当然也应当存在着隐喻。
通过隐喻的“始源域”帮助人们更加清晰地认识“目标域”，应当是术语命名的一种重要方式。
下面，我们以计算机科学中的术语为例子，来说明隐喻在术语命名中的作用。
计算机科学中的“防火墙”（fire wall）这个术语，就是使用隐喻命名的术语。
基于语料库的隐喻识别方法
基于语料库的隐喻识别方法隐喻是一种常见的修辞手法，具有很强的表现力和感染力。
本文提出了一种基于语料库的隐喻识别方法，旨在通过利用大规模的语料库数据，从中自动抽取隐喻表达式并进行分类识别。
具体来说，本文首先介绍了隐喻的概念和特点，然后阐述了语料库的基本概念和构建方法，接着从语料库中提取出隐喻表达式的方法进行了详细的介绍，最后介绍了基于机器学习的分类器的构建和实验结果。
实验结果表明，本文提出的方法在隐喻识别任务上取得了较好的效果。
关键词：隐喻识别；语料库；机器学习；分类器1. 引言隐喻是一种常见的修辞手法，它通过比喻、象征等方式将一个概念与另一个概念相联系，使得原本抽象的概念变得具体、形象化，从而更加生动地表达出作者的意图。
隐喻具有很强的表现力和感染力，是文学作品、广告语言、政治演讲等领域中不可或缺的一部分。
因此，对隐喻的研究一直是语言学、计算语言学等领域的热点之一。
隐喻识别是指在文本中自动识别出隐喻表达式的过程。
隐喻表达式是指包含隐喻的词语、短语、句子等语言单位。
隐喻识别是计算语言学领域中的一个重要问题，其应用涉及到自然语言处理、信息检索、情感分析等多个领域。
传统的隐喻识别方法主要是基于人工构建的规则或者语法模型，这种方法需要大量的人工参与和知识积累，难以应对大规模的语料库数据。
因此，近年来，基于机器学习的隐喻识别方法逐渐成为研究热点，其优势在于可以利用大规模的语料库数据进行自动学习，从而提高识别的准确性和效率。
本文提出了一种基于语料库的隐喻识别方法，旨在通过利用大规模的语料库数据，从中自动抽取隐喻表达式并进行分类识别。
具体来说，本文首先介绍了隐喻的概念和特点，然后阐述了语料库的基本概念和构建方法，接着从语料库中提取出隐喻表达式的方法进行了详细的介绍，最后介绍了基于机器学习的分类器的构建和实验结果。
实验结果表明，本文提出的方法在隐喻识别任务上取得了较好的效果。
2. 隐喻的概念和特点隐喻是一种通过比喻、象征等方式将一个概念与另一个概念相联系的修辞手法。
计算机词语中的隐喻功能初探
语 ，其真 正 的科 学含 义是 “ 显示 系统光 标位 置纵横
移 动 指 示 器 ” 原 采 用 “ ｏ ｈｒ 。 ｇ ｐ ｅ ”一 词 来 表 示 。
“
ｇｐ ｅ”在英 文 里本 是指 北美 产 的一种 善于 挖洞 ｏ ｈｒ
段 ，而且 是人 们在 思维 中将不 同事 物 的特征 建立联 系的方 式 。隐喻 不仅用 于文 学作 品 中，也能用 于科 学技术 领域 。隐喻可 以通俗 形象 地解释 科 学概念 ，
客观 世界 的语 言系统 具有 很大 的稳定 性 ，许 多计算 机词 语都 是通过 形象 化 的类 比、想象 、联想等 隐喻
机被 某种 神秘 的 、看不到 的病 毒感染 后 ，整 个系统 就会 如 同人或 动物 生病 一样无 法正 常运作 。 此外 ，计算 机 的 “ 鼠标 ”也 是一个 隐喻 性 的词
解 。隐喻在 计算 机语 言 中具有 认知功 能 ，其 功 能表
现 在 以下两 个方 面 。
（ ）命名 功 能 一 每 一 门 学科 的 创 立 都 伴 随 着 一 系 列 新概 念 的 定义和 命名 ，新思 维 的产 生和 发展 也需 要新 的词语 来 表达 。如果科 学家 给每 一种 新发现 的事物都 冠 以 新 的名称 ，那 么语 言系 统势必 会变 得 日趋庞 大 ，进 而 引起 使用 上 的不 便 。 事实上 ， 类用 来记载 主 、 而 人
以通俗 喻科 学 。所 以，隐喻语 言是 科学 不可缺 少 的
语 言 表达 手段 。“ 我们 很难 想 象 没有 隐 喻 的 ‘ 学 科 语 言 ’ ”【 。 】 随着 计算 机科 学技 术 的发展 ，隐喻作 为重 要 的
面向隐喻识别的词语抽象性度量
语 抽 象性 度 量 方 法 ， 把 英语 中 的 词语 抽 象 性 知 识 迁 移 到 汉 语 中 来 。提 出基 于 词 语 抽 象 性 知 识 的 隐喻 识 别 方 法 ， 并
详 细分 析 了词语 抽 象 性 与 隐 喻 之 间的 关 系 。 实验 表 明 ， 知识 迁移是 可行的 ， 基 于抽 象性 知 识 的 隐喻 识 别 有 较 高的
准确 率 ， 可 以有 效 提 高从 真 实 文 本 中抽 取 隐喻 的 效 率 。 关 键 词 ：隐喻 识 别 ； 词 语 抽 象性 ； 跨 语 言 知 识 迁 移
中 图分 类 号 ：ＴＰ３ ９ １ 文 献 标 识 码 ：Ａ
Ｍｅ ａ ｓ ｕ ｒ ｉ ｎ ｇ Ｗｏ ｒ ｄ Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ｎ ｅ ｓ ｓ ｆ ｏ ｒ Ｍｅ ｔ ａ ｐ ｈ ｏ ｒ Ｒｅ ｃ ｏ ｇ ｎ ｉ ｔ ｉ ｏ ｎ
Ｊ Ｉ Ａ Ｙｕ ｘ ｉ ａ ｎ ｇ ，Ｚ ＡＮ Ｈｏ ｎ ｇ ｙ ｉ ｎ ｇ ，Ｆ ＡＮ Ｍｉ ｎ ｇ ，ＹＵ Ｓ ｈ ｉ ｗｅ ｎ 。 ， Ｗ ＡＮＧ Ｚ ｈ ｉ ｍｉ ｎ ３
（１ ． Ｓｃ ｈ ｏｏｌ ｏ ｆ Ｉ ｎｆ ｏ ｒ ｍａ ｔ ｉ ｏｎ Ｅｎ ｇｉ ｎｅ ｅ ｒ ｉ ｎｇ，Ｚｈｅ ｎｇ ｚ ｈｏ ｕ Ｕ ｎｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ， Ｚｈｅ ｎ ｇｚ ｈ ｏｕ， Ｈ ｅ ｎａ ｎ ４ ５ ００ ０１， Ｃｈｉ ｎ ａ；
面向隐喻识别的词语抽象性度量
面向隐喻识别的词语抽象性度量贾玉祥;昝红英;范明;俞士汶;王治敏【摘要】隐喻通常借助具体的概念来表达抽象的概念.如果能判断出文本中词语所指的概念是具体还是抽象的,即度量出词语的抽象程度,那么这将为隐喻的机器识别提供重要的依据.该文提出基于跨语言知识迁移的汉语词语抽象性度量方法,把英语中的词语抽象性知识迁移到汉语中来.提出基于词语抽象性知识的隐喻识别方法,并详细分析了词语抽象性与隐喻之间的关系.实验表明,知识迁移是可行的,基于抽象性知识的隐喻识别有较高的准确率,可以有效提高从真实文本中抽取隐喻的效率.%In metaphors,abstract things are usually described in terms of concrete things.If we can decide whether a word is concrete or abstract,we will provide useful clues for automatic metaphor recognition.This paper proposed a cross-lingual knowledge transfer method to adapt English word abstractness knowledge to Chinese.Then we pro pose a metaphor recognition method based on word abstractness and analyze in detail the relation between word abstractness and metaphor.Experimental results show that,the cross-lingual knowledge transfer method is feasible to measure Chinese word abstractness,the abstractness-based metaphor recognition method achieves a high precision score,and it can improve the efficiency of metaphor extraction from real texts.【期刊名称】《中文信息学报》【年(卷),期】2017(031)003【总页数】7页(P41-47)【关键词】隐喻识别;词语抽象性;跨语言知识迁移【作者】贾玉祥;昝红英;范明;俞士汶;王治敏【作者单位】郑州大学信息工程学院,河南郑州450001;郑州大学信息工程学院,河南郑州450001;郑州大学信息工程学院,河南郑州450001;北京大学计算语言学教育部重点实验室,北京100871;北京语言大学汉语学院,北京100083【正文语种】中文【中图分类】TP391概念有具体和抽象之分，具体概念一般是指可以通过感官(视觉、听觉、味觉、嗅觉、触觉)或自身行动来体验的概念，如马、房子等，称为基于体验来理解的概念；抽象概念是指不能通过感官或自身行动体验的概念，如思想、理论等，这些概念由其他概念来定义，称为基于语言来理解的概念[1]。
小议计算机英语词汇的隐喻机制论文
小议计算机英语词汇的隐喻机制论文隐喻是人类具有的一种抽象的认知能力，人们能够从具体概念中获得抽象思维能力，并借助已知词语表达抽象概念。
当人们获得这种抽象思维的能力时，就创造了隐喻语言。
布莱克认为，隐喻的意义是跨越不同语义场的语义映射[2]。
在隐喻结构中分为原始域和目标域，原始域是我们已知的、具体的概念，目标域是未知的、陌生的、抽象的概念，原始域向目标域进行投射就产生了隐喻。
隐喻的本质是用我们用熟知的具体的事物去描述说明一个未知的抽象的事物。
人们之所以能够运用一个概念去表达另一个新概念，是因为人们把新认知的与已知的事物相比较，通过其比较找到新旧两种事物的相似点，并产生对未知事物的定义和对已知事物的更深认识、更多思考，从而产生了两个域之间的认知投射。
这种认知性的隐喻，将新认识的事物与原有的已知事物相联系并找到两者之间的相似点，运用自己对已知事物的认识、思维，表达一种新的概念，从此产生两个知识域之间的映射。
正是这种具有自我创造性的隐喻思维的发展，造就了词语之间的语义意义，从认知的角度来看“经过长时间建立的一般关系而非有意识地进入语言的隐喻是非常重要的`。
”[3]常规隐喻是那些在日常生活中约定俗成的字面意义，并且已成为词汇的部分含义，人们不再需要刻意去理解。
常规隐喻是语言不可分割的一部分，是简化语言的手段，因为一个词可以用于不同的范畴。
隐喻是一种跨域映射,是一种思维方式。
[4]隐喻不仅是一种语言的表达方式，更是一种认识事物的思维方式；隐喻性思维是人们认识世界的根本方法之一。
人们通过对不同事物之间相似性的比较而认识事物的特征，尤其是创造相似性的隐喻，通过发现原来没有任何联系的事物之间的相似性，为人们了解某一事物提供了新的角度。
所以隐喻性思维是科学思维的一个重要途径。
作为科技领域的新生事物，计算机网络术语中充满了隐喻。
隐喻是以喻体和本体之间的相似性作为意义转移的基础的。
计算机词汇隐喻的实例分析：（一）计算机是虚拟网络计算机网络完全是模拟真实的空间而建的，在这个空间里人们可以交朋友、浏览信息、学习、工作、娱乐休闲等等。
信息技术里的隐喻，你注意到了吗？
信息技术里的隐喻，你注意到了吗？魏宁【期刊名称】《中国信息技术教育》【年(卷),期】2014(000)017【总页数】1页(P17-17)【作者】魏宁【作者单位】北京市东城区教师研修中心【正文语种】中文当今计算机、信息技术的发展可谓一日千里，据统计，世界上每天都有几百个计算机、信息技术的新名词、新概念诞生。
试想，如果每个新概念一出现，我们就赋予它一个新的名称，我们的科学术语系统岂不要变得庞大无比？同时，我们自己也恐怕早就记不住这么多新名词、新概念了。
但实际上，这种情况并未发生，即使新的概念层出不穷，我们也从未感觉到难以理解和记忆。
这就不得不提到在计算机、信息技术的发展过程中，概念命名的一种特殊手法——隐喻。
隐喻本是一种修辞手法，就是用一种事物暗喻另一种事物。
你若是细心，就会发现，大量的信息技术术语都是生活用语的隐喻。
譬如电脑、鼠标、视窗、桌面、菜单、计算机病毒、数据库、电子邮件、互联网、宽带、信息高速公路、防火墙、机器人、云计算、物联网……当然，还有些术语的隐喻对象并非日常生活中的现象，而是来自文学、艺术、历史典故。
这个时候，如果教师能给学生讲解一番，让学生刮目相看之余，对概念的理解也会有事半功倍之效。
比如“木马”，这个词汇的来源就是著名的古希腊传说——特洛伊木马。
再有，像“超空间”、“静态空间”、“堆栈空间”这样一类词汇则是上世纪80年代科幻小说中的典型描述。
其实，隐喻的作用远不止针对概念的命名，它更大的作用在于行为方式的隐喻。
也就是把人们生活中熟悉的行为方式映射到计算机操作上面，这样的好处是让人们一下子就能进入自己比较熟悉的环境中进行操作，减少了理解的障碍和犯错的概率。
比如，菜单系统中的选择、点击、等待、执行等操作就是生活中餐馆操作的隐喻，文件系统中的建立、保存、移动、复制、删除、打印等操作则是生活中办公室操作的隐喻。
教师如果了解隐喻的规则，就能让学生通过生活中熟悉的事物快速学习计算机环境中的操作。
基于知识增强的文本隐喻识别图编码方法
基于知识增强的文本隐喻识别图编码方法黄河燕;刘啸;刘茜【期刊名称】《计算机研究与发展》【年(卷),期】2023(60)1【摘要】隐喻识别是自然语言处理中语义理解的重要任务之一,目标为识别某一概念在使用时是否借用了其他概念的属性和特点.由于单纯的神经网络方法受到数据集规模和标注稀疏性问题的制约,近年来,隐喻识别研究者开始探索如何利用其他任务中的知识和粗粒度句法知识结合神经网络模型,获得更有效的特征向量进行文本序列编码和建模.然而,现有方法忽略了词义项知识和细粒度句法知识,造成了外部知识利用率低的问题,难以建模复杂语境.针对上述问题,提出一种基于知识增强的图编码方法(knowledge-enhanced graph encoding method,KEG)来进行文本中的隐喻识别.该方法分为3个部分:在文本编码层,利用词义项知识训练语义向量,与预训练模型产生的上下文向量结合,增强语义表示;在图网络层,利用细粒度句法知识构建信息图,进而计算细粒度上下文,结合图循环神经网络进行迭代式状态传递,获得表示词的节点向量和表示句子的全局向量,实现对复杂语境的高效建模;在解码层,按照序列标注架构,采用条件随机场对序列标签进行解码.实验结果表明,该方法的性能在4个国际公开数据集上均获得有效提升.【总页数】13页(P140-152)【作者】黄河燕;刘啸;刘茜【作者单位】北京理工大学计算机学院;北京海量语言信息处理与云计算工程研究中心;北京理工大学东南信息技术研究院【正文语种】中文【中图分类】TP391【相关文献】1.文本二值图象压缩编码的等长编码方法2.基于知识话题模型的文本蕴涵识别3.应用新的基于知识编码方法及双层SVM识别人类PolⅡ启动子4.基于知识图谱的图匹配文本分类5.基于知识增强的图卷积神经网络的文本分类因版权原因，仅展示原文概要，查看原文内容请购买。
浅析隐喻运用在计算机语言用语中的特点——以Visual Basic语言为例
浅析隐喻运用在计算机语言用语中的特点——以Visual
Basic语言为例
陈李茂
【期刊名称】《东南大学学报：哲学社会科学版》
【年(卷),期】2009()S2
【摘要】本文浅析隐喻运用在计算机程序语言中的特点,以Visual Basic程序语言为例,从类型及特点分析两方面入手,其间穿插与一般隐喻作简单比较。
笔者认为隐喻运用在此有五方面的特点,并加以论述。
【总页数】3页(P206-207)
【关键词】隐喻;程序语言;特点
【作者】陈李茂
【作者单位】首都师范大学文学院
【正文语种】中文
【中图分类】TP311.11
【相关文献】
1.浅析案例教学法在计算机Visual basic语言教学中的应用 [J], 晁鲁庆
2.结合Visual C++和Visual Basic语言特点编程的一种方法 [J], 易飞
3.浅谈Visual Basic 6.0计算机语言教学中创新能力的培养 [J], 赵美连
4.Visual Basic语言的功能特点及其在环境预测中的应用研究 [J], 吴春龙
5.论“BASIC程序设计语言”在计算机语言教学中的地位与作用 [J], 靳学辉
因版权原因，仅展示原文概要，查看原文内容请购买。
计算机隐喻与计算机英语隐喻
计算机隐喻与计算机英语隐喻赵爱萍;雷丹【期刊名称】《齐齐哈尔医学院学报》【年(卷),期】2003(024)002【摘要】@@ 语言学家在解释隐喻如何产生问题时,最常见的解释就是计算机隐喻(Computational metaphor).这个理论把人的大脑隐喻为计算机,是硬件,把人的思维隐喻为程序,是软件.隐喻的产生是启动硬件和执行软件程序的结果.我们也常听到这样的计算机隐喻:多媒体教学是学习者通过不同的知觉频道(视听)将信息输入大脑的中央处理器.然而科学家们在探索计算机领域时,常用已知的概念来认知未知的概念、从已知的语域向未知的语域映射,创造了大量的隐喻性计算机英语.科学是抽象思维的产物,它离不开隐喻.我们要认识和描写以前未知的事物,必须依赖我们已经知道的概念及其语言表达形式,由此及彼,由表及里,有时还要发挥惊人的想象力.这个过程正是隐喻的核心,它把熟悉和不熟悉的事物作不寻常的并列,从而加深了我们对不熟悉事物的认识[1].语言的意义实质上就是客观世界的反映,所有表达形式的意义也都是人类思维再创造的产物.文化的许多侧面分别以词汇、句法及隐喻等形式反射到语言之中,有些词汇是经过联想后产生的意义扩展,有些则是经过抽象思维变化后获得的,因语义场不同而获得计算机科学含义,如:virus(病毒)就是生物学"病毒"概念的隐喻化,因此"电脑病毒"这一隐喻不仅由生物域移植产生不易察觉、蔓延速度快、损害机体等推理结构,还可将"传染(infection)"、"感染(contaminate)"、"免疫(immune)"、"消毒(disinfectants)"、"防护接口(safe interfaces)"等概念直接引入电脑操作.Information highway(信息高速公路),internet highway(互联网高速公路)是交通"高速公路"的隐喻化.此外,"menu"(菜单)、"window"(视窗)、hacker(计算机罪犯:指步及公司机密和国家内幕的保密数据库上,偷偷地、未经许可就侵入另一计算机系统的计算机罪犯)等都是这方面的例子.以上这些隐喻性计算机英语足以说明,实际生活中的、不同领域的一些具体概念也正在悄悄地走进计算机科学中来.【总页数】2页(P224-225)【作者】赵爱萍;雷丹【作者单位】齐齐哈尔大学外语学院,161006;齐齐哈尔大学外语学院,161006【正文语种】中文【中图分类】H31【相关文献】1.认知视角下计算机英语的隐喻及其翻译 [J], 黄莉萍;谢世坚2.计算机英语词汇隐喻的认知研究 [J], 许满云3.计算机英语网络术语的隐喻性及隐喻翻译 [J], 李星4.隐喻视角下计算机英语词汇的认知构建 [J], 姚慧5.计算机英语词汇概念隐喻教学实验探究 [J], 蔡丽香因版权原因，仅展示原文概要，查看原文内容请购买。