基于语义资源和深度学习的情感隐喻识别方法研究

Metaphors are commonly used in human languages. They are important ways to conceptualize the complicated and abstract emotions, as well as one of big challenges with the further development of sentiment analysis. Currently the methods of emotional metaphor recognition lack the support of semantic resources and guidance of cognitive linguistics. Moreover, these methods emphasis on the recognition of metaphor and neglect the emotional information transferred by metaphors. Therefore, our study tries to address the above problems. With the guidance of cognitive linguistics, we study the emotional metaphor recognition by deep learning algorithms, based on the resource construction of emotional metaphors. We also propose the approaches of cross-language emotional metaphor recognition. Firstly, we construct an emotional metaphor corpus for emotional metaphor recognition including data collections, data annotations and quality control. Secondly, we introduce the approaches of emotional metaphors recognition: we recognize the tenor, vehicle and their domains by using entities, and identify the metaphors by domain conflict detection; we extract emotions of the metaphors using convolutional neural networks model of deep learning. Finally we present the approach of cross-language emotional metaphor recognition by using unsupervised self-encoding neural network model and feature learning and training. With the efforts made by this project, a fairly completed framework of emotional metaphor recognition will be established, which can improve the accuracy of sentiment analysis and help the further development of sentiment analysis and natural language understanding.

情感隐喻普遍存在于人类语言中，是对复杂、抽象的情感进行概念化的重要手段，也是情感分析深入发展面临的重大挑战之一。目前情感隐喻识别方法缺乏语义资源支撑和认知语言学指导，并且偏重隐喻识别而忽视了隐喻传递的情感信息。因此，本项目以认知语言学为指导，以语义资源建设为基础，以深度学习等相关技术为主要支撑，展开情感隐喻识别研究，并以此为基础提出跨语言情感隐喻的识别方法。首先构建面向情感隐喻识别的语义资源，主要包括采集语料、制定标注规范和质量监控体系；然后进行情感隐喻识别，利用命名实体识别等方法识别出本体、喻体以及所属领域，通过领域冲突检测判断是否存在隐喻，再采用深度学习的卷积神经网络模型挖掘出隐喻传达的情感；最后利用非监督自编码神经网络模型，采用非监督的特征学习训练方式，进行跨语言隐喻识别。本项目将建立起较为完善的情感隐喻识别机制，从而提升情感分析精度，有助于情感分析和自然语言理解的深入发展。

近年来，随着社交媒体的兴起，隐喻表达出现在更加多元化的平台上，其数量远远超过人力处理的能力，因此如何借助自然语言处理技术进行隐喻识别及应用研究得到了研究者广泛的关注。隐喻识别旨在赋予计算机像人类一样分析理解隐喻的能力，涉及计算机科学、认知语言学、心理学等多个学科的交叉，是一项极其重要并且富有挑战的研究课题。.本项目在情感隐喻语料库构建基础上，开展隐喻识别方法的研究，并以隐喻识别为基础进一步探究其潜在的应用。.（1）在情感隐喻语义资源建设方面，设计了基于认知语言学理论的标注框架以及有效、规范、合理的质量监控体系；构建了大规模的中文情感隐喻语料库，为隐喻识别提供必要的语义资源。.（2）在情感隐喻识别方面，提出了基于领域冲突、SVM以及LSTM的识别方法，实验结果表明所提出的情感隐喻识别方法超过了现有基于人工特征的分类模型及主流深度学习模型。.（3）在隐喻应用研究方面，提出了基于隐喻的创造力与心理健康评估模型。结合上下文特征和大学生心理测评报告结果，构建大学生心理健康问题预测模型，本文对基于隐喻特征的写作自动评价和心理健康状态评测进行了有益地尝试。.项目执行期间，在情感隐喻语料库、隐喻识别和应用方面取得了初步成果。在理论分析方面，在科学出版社出版专著《基于语义资源和认知视角的隐喻识别与应用》，共计17.4万字。在研究论文方面，在自然语言处理的顶级会议ACL2018、EMNLP2018,、EMNLP2019、WWW2019上发表论文5篇，在SCI期刊和EI会议等发表论文10余篇。在技术研发方面，研制了情感隐喻语料库，获得了软件著作权一项。以此为数据集，承担了第十七届中国计算语言学学术会议（CCL2018）的中文隐喻计算评测工作，主持了“隐喻识别”和”隐喻情感分析”两项任务。在人才培养方面，现已培养三名硕士生毕业。