林鴻飛，張冬瑜，楊 亮，鄭樸琪

（大連理工大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，遼寧 大連 116024）

0 引 言

人工智能是一門致力于賦予計(jì)算機(jī)擁有人類智慧的學(xué)科，旨在讓計(jì)算機(jī)既具有超越人類的感知計(jì)算能力，同時(shí)又能夠具有較好的情感交流能力.為了讓計(jì)算機(jī)理解人類的情感，需要深入了解和挖掘人類自身的情感特征，而情感隱喻是人類情感表達(dá)的重要方式.在此背景下，情感隱喻計(jì)算的研究具有重要的理論和應(yīng)用價(jià)值.

隨著互聯(lián)網(wǎng)的蓬勃發(fā)展，特別是微博、論壇、社交網(wǎng)站等網(wǎng)絡(luò)媒介的迅速崛起，公眾廣泛參與到社會(huì)事件、政治活動(dòng)、產(chǎn)品服務(wù)等方面的評(píng)論中，由此產(chǎn)生了海量具有豐富情感傾向的評(píng)價(jià)性信息.這些信息往往含有大量的隱喻，人們迫切希望計(jì)算機(jī)能夠快速地分析和處理這些文本評(píng)論所傳遞的情感，從而滿足產(chǎn)品銷售、輿情監(jiān)控以及信息預(yù)測(cè)等方面的需求.

隱喻不僅在語(yǔ)言交流中占有重要地位，也是人們理解抽象概念的主要方式，人們常常使用隱喻對(duì)難以描述的未知概念進(jìn)行認(rèn)知與表達(dá)［1］.例如，在隱喻句“時(shí)間是金錢”中，通過“金錢”這個(gè)熟悉而具體的源域概念實(shí)現(xiàn)了對(duì)“時(shí)間”這個(gè)抽象目標(biāo)域概念的表述.基于生理體驗(yàn)的人類情感也是一種抽象、難以描述的概念，通常需要用隱喻來表達(dá)［2］.

一般來說，隱喻有兩種情感表達(dá)方式［3］：一是用隱喻直接描寫情感，指用隱喻描寫情感狀態(tài)和行為.例如使用隱喻句“He was boiling inside”“他的肺要?dú)庹恕眮肀磉_(dá)“生氣”的情感；“I′m feeling down”“她整日以淚洗面”來表示“傷心”；“She beamed with pleasure”“小明頓時(shí)心花怒放”來表達(dá)“高興”.二是通過隱喻構(gòu)建情感，即用隱喻觀察、傳遞、構(gòu)建情感.例如“整條馬路都癱瘓了”“會(huì)議引發(fā)了一場(chǎng)暴風(fēng)雨”“Lisa is a peach”.這些隱喻雖然不是對(duì)情感的直接描述，但是卻傳遞出了“焦慮”“厭惡”“喜愛”等情感.情感隱喻是用以描述或構(gòu)建情感的隱喻［2］，它們比“生氣”“傷心”“高興”等對(duì)情感的直接表達(dá)更加生動(dòng)、形象，是情感概念建立與表達(dá)的主要方式.

日常交流中每3 個(gè)句子就會(huì)出現(xiàn)一句隱喻［4］，隱喻的普遍性以及在情感表達(dá)中的重要地位決定了情感隱喻計(jì)算研究的重要性.然而情感隱喻屬于思維領(lǐng)域［5］，認(rèn)知的特性決定了其計(jì)算模型和方法需要模擬人類智能，對(duì)諸如“How can I kill a process”“她是只母老虎”這樣具有非字面義（non－literal meaning）的語(yǔ)言進(jìn)行分析和解釋.因此，情感隱喻計(jì)算是自然語(yǔ)言處理及人工智能研究面臨的一項(xiàng)棘手任務(wù)和嚴(yán)峻挑戰(zhàn)，是情感計(jì)算向縱深發(fā)展的關(guān)鍵問題之一.

情感隱喻的研究開始于Lakoff等的《我們賴以生存的隱喻》［1］，距今已經(jīng)有30多年的歷史，期間涌現(xiàn)了大批學(xué)者和研究成果.尤其最近十余年，隨著互聯(lián)網(wǎng)技術(shù)迅猛發(fā)展和人工智能的迫切需求，隱喻及情感計(jì)算研究有了很大的進(jìn)展.學(xué)者們重視隱喻在思維和語(yǔ)言中的核心地位，提出了大量隱喻計(jì)算模型以及隱喻的情感分析方法.由此，情感隱喻計(jì)算開始了全新的探索并取得了很多有價(jià)值的成果，但同時(shí)也面臨著巨大的困難和挑戰(zhàn).

基于上述分析，可以認(rèn)為對(duì)于情感隱喻的計(jì)算應(yīng)以認(rèn)知語(yǔ)言學(xué)為理論指導(dǎo)，以情感詞匯本體、情感常識(shí)庫(kù)、情感隱喻知識(shí)庫(kù)等為基礎(chǔ)，以機(jī)器學(xué)習(xí)、自然語(yǔ)言處理、文本挖掘等方法為技術(shù)支撐，實(shí)現(xiàn)由定性到定量的情感隱喻分析與計(jì)算，從而輔助相關(guān)隱喻研究者開展相應(yīng)的工作，提高隱喻識(shí)別和理解的效率與精度.

本文首先對(duì)情感隱喻計(jì)算的發(fā)展歷程加以梳理，然后從相關(guān)情感隱喻理論基礎(chǔ)出發(fā)，從資源建設(shè)、隱喻的識(shí)別與理解、情感隱喻識(shí)別與理解三個(gè)方面總結(jié)和分析情感隱喻計(jì)算的研究進(jìn)展，并探討情感隱喻計(jì)算研究的應(yīng)用，最后提出面臨的挑戰(zhàn)和對(duì)未來的展望.

1 歷史回顧

1.1 初始階段

這個(gè)階段從兩千多年前的亞里士多德時(shí)期一直到20世紀(jì)的七八十年代，以隱喻的語(yǔ)言學(xué)研究為主要成果，構(gòu)建了隱喻本質(zhì)和工作機(jī)制等主要理論框架.早在兩千多年前的亞里士多德時(shí)期，隱喻被看作是用一種事物替代另一種事物的修辭現(xiàn)象，這種修辭觀在隱喻研究中占據(jù)了長(zhǎng)期的統(tǒng)治地位.直到20世紀(jì)七八十年代，以Lakoff為代表的學(xué)者們從認(rèn)知語(yǔ)言學(xué)角度對(duì)隱喻進(jìn)行了研究，指出人類思維的概念體系是通過以人體體驗(yàn)為基礎(chǔ)的隱喻建立起來的，把隱喻看作是對(duì)抽象、復(fù)雜的情感進(jìn)行概念化的重要手段.其中以Lakoff的《我們賴以生存的隱喻》以及Ricoeur［6］、Ortony［7］等學(xué)者的論著為主要代表.對(duì)情感隱喻進(jìn)行深入研究并做出突出貢獻(xiàn)的是語(yǔ)言學(xué)家Kvecses，他以Lakoff的概念隱喻理論為框架，發(fā)展和完善了情感隱喻相關(guān)的理論和研究方法［8］.Lakoff建立在認(rèn)知基礎(chǔ)上的隱喻理論幾乎滲透到了隱喻研究的每個(gè)學(xué)科和領(lǐng)域，成為當(dāng)代隱喻研究最重要的理論依據(jù).

1.2 形成階段

從20世紀(jì)的80年代到21世紀(jì)初，隱喻的跨學(xué)科研究越來越廣泛和深入，尤其是自然語(yǔ)言處理的不斷成熟，隱喻自動(dòng)處理研究正式開始并形成了基本的計(jì)算思路和框架.這個(gè)時(shí)期出現(xiàn)了許多隱喻自動(dòng)處理和情感分析的技術(shù)和方法，其中以基于知識(shí)和基于統(tǒng)計(jì)為兩種主要方法，并且開展了通用的語(yǔ)義知識(shí)庫(kù)以及專門的隱喻知識(shí)庫(kù)語(yǔ)料資源建設(shè)研究.例如WordNet［9］是通用知識(shí)庫(kù)的代表，組織了詞匯語(yǔ)義信息及其相互關(guān)系；專門的隱喻知識(shí)庫(kù)包括 Master Metaphor List（MML）［10］等.

“情感計(jì)算”是由美國(guó)麻省理工學(xué)院的Picard在1997 年提出的研究領(lǐng)域［11］，當(dāng)初主要關(guān)注圖像識(shí)別領(lǐng)域的人臉表情識(shí)別.后來隨著互聯(lián)網(wǎng)的迅速發(fā)展，逐步擴(kuò)展到文本情感計(jì)算，主要通過文本包含的情感語(yǔ)義因素進(jìn)行情感分析，而對(duì)于隱喻的情感計(jì)算研究還沒有開展.語(yǔ)料資源建設(shè)也以手工構(gòu)建為主，規(guī)模較小，缺乏隱喻知識(shí)自動(dòng)獲取及推理等功能.

1.3 發(fā)展階段

進(jìn)入21世紀(jì)以來，隨著自然語(yǔ)言處理、人工智能技術(shù)的突飛猛進(jìn)以及情感計(jì)算研究的深入，基于隱喻語(yǔ)料庫(kù)的統(tǒng)計(jì)研究方法相對(duì)于手工構(gòu)建規(guī)則的方法表現(xiàn)出越來越強(qiáng)勁的優(yōu)勢(shì)和發(fā)展勢(shì)頭，學(xué)者們提出了基于統(tǒng)計(jì)技術(shù)的隱喻計(jì)算模型和方法［12－14］，隱喻的情感計(jì)算研究也逐步展開［15］.具體地說，詞匯語(yǔ)義及詞匯獲取技術(shù)的提高使準(zhǔn)確獲取語(yǔ)料庫(kù)中的詞匯、領(lǐng)域、關(guān)系等信息變?yōu)榭赡?，再加上機(jī)器學(xué)習(xí)性能的改善，大規(guī)模情感隱喻自動(dòng)處理具有了新的方法和途徑.

與傳統(tǒng)的基于手工構(gòu)建知識(shí)的方法相比，基于統(tǒng)計(jì)的方法更加高效、準(zhǔn)確、穩(wěn)定，還可以處理大規(guī)模數(shù)據(jù)，情感隱喻語(yǔ)料資源的規(guī)模進(jìn)一步擴(kuò)大.隱喻計(jì)算和情感計(jì)算研究雖然都取得了進(jìn)展，但是兩者結(jié)合的情感隱喻計(jì)算研究缺乏，情感隱喻計(jì)算研究仍處在初步探索階段［16－19］：大部分隱喻識(shí)別與理解研究仍局限于某一領(lǐng)域或者特定類型的語(yǔ)篇；面向隱喻的情感計(jì)算多數(shù)停留在對(duì)情感隱喻褒貶的分析上而缺少喜怒哀樂等多類別情感的研究；情感隱喻的語(yǔ)料資源建設(shè)數(shù)量不足，尤其在隱喻的情感標(biāo)注等方面缺乏系統(tǒng)、深入研究.

在這個(gè)階段，情感隱喻計(jì)算得到了一些會(huì)議、期刊和組織機(jī)構(gòu)的關(guān)注.國(guó)際著名的計(jì)算語(yǔ)言學(xué)會(huì)議ACL從2012年起主辦了關(guān)于自然語(yǔ)言處理技術(shù)下隱喻計(jì)算模型專題研討會(huì)，至今舉辦三屆，收錄了關(guān)于隱喻語(yǔ)料標(biāo)注、隱喻情感計(jì)算模型以及隱喻情感特征提取等研究成果.一些自然語(yǔ)言處理的著名國(guó)際會(huì)議EMNLP、LREC 以及人工智能領(lǐng)域的AAAI、ACII、HCI等最近幾年都出現(xiàn)了隱喻及情感計(jì)算相關(guān)主題研討會(huì).國(guó)內(nèi)外許多大學(xué)和研究機(jī)構(gòu)也廣泛開展了情感計(jì)算研究，例如歐洲的日內(nèi)瓦大學(xué)、伯明翰大學(xué)、約克大學(xué)、飛利浦公司；美國(guó)的卡內(nèi)基梅隆大學(xué)、麻省理工學(xué)院、IBM 公司；日本的東京大學(xué)、早稻田大學(xué)、索尼公司；國(guó)內(nèi)的北京大學(xué)、廈門大學(xué)、浙江大學(xué)、哈爾濱工業(yè)大學(xué)等.另外，值得注意的是近幾年的公共評(píng)測(cè)，推動(dòng)了情感隱喻計(jì)算方法的進(jìn)步.ACL在2015年組織的語(yǔ)義評(píng)測(cè)中首次加入了Twitter中比喻性語(yǔ)言的情感分析任務(wù)；著名的國(guó)際文本檢索會(huì)議（TREC）以及亞洲語(yǔ)言信息檢索評(píng)測(cè)會(huì)議（NTCIR）每年都有情感分析相關(guān)任務(wù)；國(guó)內(nèi)第一個(gè)中文情感分析評(píng)測(cè)COAE 開始于2008年，極大地促進(jìn)了中文情感分析的發(fā)展.

2 理論基礎(chǔ)

2.1 概念隱喻理論

概念隱喻理論認(rèn)為隱喻是用已知概念理解未知概念的認(rèn)知過程，其工作機(jī)制是從源域到未知概念目標(biāo)域的映射［1］.人類在認(rèn)知過程中會(huì)遇到許多難以描述的復(fù)雜概念，這時(shí)就會(huì)通過隱喻的方式用其他已知概念去理解和構(gòu)建復(fù)雜的未知概念.例如在隱喻“效率是生命”中，就是利用“生命”去解釋“效率”這個(gè)概念，“生命”的屬性諸如“珍貴”通過映射的方式延伸到了“效率”的概念上.隱喻映射的基本表達(dá)式是“X is Y”，其中X 代表未知概念，Y 代表已知概念.“X is Y”，即用Y 來構(gòu)建概念X 的時(shí)候，是把Y 的概念結(jié)構(gòu)映射到了X上.事實(shí)上，X 映射的只是Y 的部分而非全部屬性，至于映射與Y 的哪部分屬性相關(guān)由經(jīng)驗(yàn)知識(shí)、文化、語(yǔ)境等因素決定.Lakoff等［20］把隱喻源域到目標(biāo)域概念結(jié)構(gòu)的映射分為源域結(jié)構(gòu)的位置、源域的關(guān)系、源域的屬性和源域的知識(shí).例如，在“LIFE IS A JOURNEY”這個(gè)概念隱喻中包含了如圖1所示的映射.

圖1 概念隱喻映射LIFE IS A JOURNEYFig.1 Mapping of conceptual metaphor LIFE IS A JOURNEY

2.2 情感隱喻理論

情感建立在人類體驗(yàn)的基礎(chǔ)上，是認(rèn)知過程中重要的組成部分［2］.然而情感抽象且豐富，諸如喜、怒、哀、樂等情感很難表達(dá)與描述.在這種情況下，人們常常把情感隱喻化，使用隱喻描述與表達(dá)抽象的情感.例如“怒發(fā)沖冠”“跑斷腿”“眉開眼笑”“I′m six feet off the ground”等.因此，以人類經(jīng)驗(yàn)為前提的情感隱喻是將抽象、模糊情感概念化的主要方式.情感隱喻主要分為兩類：一類是情感的隱喻構(gòu)建，即用隱喻觀察、傳遞、構(gòu)建情感，隱喻并不是對(duì)某種情感的直接描述，例如“這是部讓我這輩子都不想再進(jìn)電影院的電影”；另一類是情感的隱喻表達(dá)，即用隱喻描寫情感狀態(tài)和情感行為，例如“She got red with anger”.

人類具有很多共同的生理機(jī)制和心理體驗(yàn)，因此以人體體驗(yàn)為基礎(chǔ)的情感隱喻在不同語(yǔ)言中具有相似的概念映射系統(tǒng)［5］.例如英語(yǔ)和漢語(yǔ)都存在以“體溫下降”作為“恐懼”情感的隱喻，因此出現(xiàn)了“她的話使他不寒而栗”“他嚇得手腳冰涼”“The story chills my blood”等隱喻表達(dá).研究顯示，人類語(yǔ)言分享著很多基本相同的情感概念隱喻［2］.語(yǔ)言學(xué)家Kvecses［21］在對(duì)多種語(yǔ)言大量分析的基礎(chǔ)上對(duì)情感隱喻共性以及跨語(yǔ)言與文化的多樣性進(jìn)行了廣泛深入研究，依據(jù)心理狀態(tài)概括總結(jié)了體溫變化、皮膚顏色（狀態(tài)）變化、身體動(dòng)作等七大類基本情感概念隱喻.

3 資源建設(shè)

3.1 Master Metaphor List（MML）

Master Metaphor List［10］是一個(gè)以情感和心理為主要方面的隱喻數(shù)據(jù)庫(kù)，包括203個(gè)隱喻映射以及對(duì)應(yīng)的隱喻實(shí)例.數(shù)據(jù)庫(kù)中的映射以本體的方式組織（例如，隱喻“Anger is hot fluid in a container”是更加普遍的隱喻“Anger is heat”的特殊示例），從出版文獻(xiàn)、在線論壇以及學(xué)生作文中收集隱喻實(shí)例，手工編輯而成.

數(shù)據(jù)庫(kù)包括心理事件（mental events）、情感（emotions）、事件結(jié)構(gòu)（event structure）和其他（others）4個(gè)隱喻范疇.在此范疇下根據(jù)隱喻的目標(biāo)域劃分為69個(gè)詞條以及詞條下的203個(gè)隱喻類別及映射.在情感（emotions）隱喻范疇中，共有憤怒（anger）、愛（love）等6個(gè)詞條.詞條下的隱喻類別又包括源域、目標(biāo)域、例句和注釋，個(gè)別類別中還有特殊情況下的子類別（special sub－case）.

例如，在詞條“EMOTION”下的“EMOTIONAL STABILITY IS CONTACT WITH THE GROUND”類別示例如圖2所示.

該示例由6 個(gè)部分組成.首先是詞條“EMOTION”下的隱喻類別“EMOTIONAL STABILITY IS CONTACT WITH THE GROUND”，然后列出了8個(gè)例句以及此類隱喻的源域（Source domain）和目標(biāo)域（Target domain）.注釋對(duì)此類隱喻的來源和相關(guān)類別進(jìn)行了解釋說明，最后還列出參考書目.

圖2 詞條示例Fig.2 Demo of lexical item

Master Metaphor List（MML）以概念隱喻理論為指導(dǎo)，對(duì)隱喻進(jìn)行了較為清晰、系統(tǒng)的分類與解釋，是較容易理解的概念隱喻資源.因此，大量隱喻計(jì)算研究以MML 為基礎(chǔ)展開，同時(shí)很多隱喻數(shù)據(jù)資源在建設(shè)中都借鑒了MML的理論和方法，其中包括MetaBank、Metalude、Hamburg Metaphor Database等許多有影響力的隱喻數(shù)據(jù)庫(kù).但是MML中對(duì)映射的理論框架并不明晰，并且根據(jù)專家的直覺建立隱喻概念，缺少充足的詞匯證據(jù)證明其重要性，這導(dǎo)致了諸如情感概念化等結(jié)論令人質(zhì)疑.另外，MML 情感隱喻的目標(biāo)域概念中只包含了生氣、愛、希望等最基本類別，劃分層級(jí)過于粗略；雖然源域概念相對(duì)較多（34個(gè)），但是也沒有更細(xì)層級(jí)的劃分.

3.2 Metalude

Metalude［22］是一個(gè)包括9 000多個(gè)詞條的英語(yǔ)隱喻在線交互語(yǔ)料庫(kù).與MML 相同，Metalude也是以概念隱喻理論為基礎(chǔ)，根據(jù)源域和目標(biāo)域來排列和組織語(yǔ)料庫(kù)中的隱喻.其語(yǔ)料主要來源于 The Oxford English Dictionary、 Collins COBUILD English Dictionary、 Cambridge International Dictionary of English等英語(yǔ)詞典.Metalude最大的特點(diǎn)是其收集的隱喻都是已經(jīng)固定的／詞匯化的隱喻，這點(diǎn)與MML憑借知覺的隱喻研究完全不同.Metalude根據(jù)詞匯學(xué)理論對(duì)“詞匯化隱喻”制定了嚴(yán)格的識(shí)別標(biāo)準(zhǔn)：所收錄詞匯必須在當(dāng)代英語(yǔ)詞典中有隱喻義項(xiàng)出現(xiàn)，收錄的隱喻基本類別出現(xiàn)在詞典中的詞匯數(shù)目不能少于6個(gè)，并且這些詞匯在Cobuild Bank 英語(yǔ)數(shù)據(jù)庫(kù)中出現(xiàn)的頻率至少要達(dá)到200次.

Metalude把隱喻目標(biāo)域分為6個(gè)基本類，源域分為4個(gè)基本類，此外目標(biāo)域和源域還包括不同層級(jí)的子類別.

目標(biāo)域6 個(gè)基本類：（1）價(jià)值、數(shù)量、質(zhì)量（values，quantities ＆qualities）；（2）情感、經(jīng)驗(yàn)、關(guān)系 （emotions，experience ＆ relationship）；（3）思維、言語(yǔ)（thinking ＆speaking）；（4）活動(dòng)、運(yùn)動(dòng)（activity ＆ movement）；（5）人類、人類感知、社會(huì)（human，senses ＆society）；（6）事物、物質(zhì)（things ＆substances）.

源域4個(gè)基本類：（1）事物和物質(zhì)（things ＆substances），包括物體、植物、物質(zhì)、金錢、液體、食物等；（2）人體、動(dòng)物和感覺（human body，animal ＆senses）；（3）活動(dòng)和運(yùn)動(dòng)（activity ＆movement）；（4）位置和空間（place ＆space）.例如，“情感是空間”就是源域與目標(biāo)域基本類別構(gòu)成的概念隱喻，此概念下又包括源域?yàn)椤吧舷隆钡?類情感隱喻“情感是高”“高興是高”“傷心是低”“平靜是平衡”以及相應(yīng)的例句.如圖3所示（坐標(biāo)的列是目標(biāo)域基本類，坐標(biāo)的行是源域基本類）.每個(gè)隱喻類別下又包含若干詞條，詞條由字面義、隱喻義、詞性、實(shí)例等信息組成.

圖3 Metalude的源域和目標(biāo)域的基本類Fig.3 The root analogy of source and target domain in Metalude

Metalude從概念和詞匯兩個(gè)層次標(biāo)注了語(yǔ)料，對(duì)隱喻的源域和目標(biāo)域進(jìn)行了較為細(xì)致的劃分，并且詞條的字面意義和隱喻意義都有中文標(biāo)注，非常有利于中英隱喻對(duì)比研究以及面向中國(guó)學(xué)生的英語(yǔ)教學(xué).但是，構(gòu)建初期在詞匯數(shù)據(jù)收集的時(shí)候，對(duì)于隱喻類別項(xiàng)的選擇過分依賴認(rèn)知科學(xué)理論而忽視了隱喻的語(yǔ)義網(wǎng)絡(luò)，因此Metalude中隱喻類別的選擇和劃分還不夠系統(tǒng).并且由于該語(yǔ)料庫(kù)的構(gòu)建目的之一是幫助英語(yǔ)學(xué)習(xí)者的詞匯學(xué)習(xí)，所以規(guī)定每個(gè)基本類別所轄的詞條不超過50個(gè)，這樣就不得不減少一些類別中具有價(jià)值的詞條.在這種情況下，各類別下詞條的數(shù)量設(shè)置也不夠完善.

3.3 Hamburg Metaphor Database（HMD）

Hamburg Metaphor Database［23］是一個(gè)包含了1 656個(gè)隱喻實(shí)例的法、德雙語(yǔ)隱喻知識(shí)庫(kù).語(yǔ)料主要來源于一些特定領(lǐng)域的報(bào)紙等媒體資源，從概念和詞匯兩個(gè)方面進(jìn)行語(yǔ)料標(biāo)注.其中的概念隱喻標(biāo)注部分以Master Metaphor List為基礎(chǔ)并加以擴(kuò)充，使用WordNet數(shù)據(jù)庫(kù)作為詞匯標(biāo)注的資源.HMD 建設(shè)項(xiàng)目從2002年開始，初期160多條實(shí)例由漢堡大學(xué)的碩士研究生手工編輯，按照概念隱喻的基本框架對(duì)法語(yǔ)和德語(yǔ)隱喻源域和目標(biāo)域進(jìn)行了對(duì)應(yīng)的翻譯和標(biāo)注.

起初的目標(biāo)并不是為了自然語(yǔ)言處理提供數(shù)據(jù)資源，而是用于社會(huì)語(yǔ)言學(xué)的研究.后來HMD在隱喻實(shí)例概念標(biāo)注的基礎(chǔ)上增加了詞匯標(biāo)注，并開發(fā)了自動(dòng)標(biāo)注技術(shù)，獲取1 000多條新增隱喻實(shí)例，并逐漸發(fā)展為主要服務(wù)于隱喻計(jì)算的語(yǔ)料資源.

HMD 的標(biāo)注結(jié)構(gòu)如圖4所示.從圖中可以看出，HMD 標(biāo)注了隱喻實(shí)例的來源信息，包括語(yǔ)料庫(kù)中書籍、刊物的作者、標(biāo)題、卷號(hào)、頁(yè)數(shù)、出版日和文件名，文章來源信息的作者、標(biāo)題、年份、地址、出版者等信息.給隱喻實(shí)行編號(hào)，并標(biāo)注語(yǔ)言類型、實(shí)例、隱喻詞、隱喻意義、字面意義、源域和目標(biāo)域.其中源域和目標(biāo)域的標(biāo)注使用了兩套標(biāo)簽，一套是根據(jù)MML 的概念隱喻建立的英語(yǔ)標(biāo)簽，另一套是對(duì)應(yīng)的德語(yǔ)或者法語(yǔ)標(biāo)簽.

圖4 HMD 標(biāo)注結(jié)構(gòu)Fig.4 HMD label structure

HMD 使用德語(yǔ)和法語(yǔ)語(yǔ)料建設(shè)資源，是隱喻資源建設(shè)跨語(yǔ)言研究的代表.但是由于文化等原因，概念隱喻在不同語(yǔ)言中存在著不對(duì)應(yīng)的問題.例如，HMD 構(gòu)建中發(fā)現(xiàn)，德語(yǔ)的概念域標(biāo)簽有時(shí)會(huì)比英語(yǔ)的Master Metaphor List 更加具體，甚至有時(shí)候在德語(yǔ)語(yǔ)料庫(kù)中發(fā)現(xiàn)的隱喻概念在MML中根本不存在.尤其對(duì)于表述社會(huì)團(tuán)體的概念較為常見，例如，德語(yǔ)的概念隱喻“政黨是家庭”在英語(yǔ)的MML數(shù)據(jù)庫(kù)中并不存在.

3.4 VU Amsterdam Metaphor Corpus

作為BNC Baby語(yǔ)料庫(kù)的子庫(kù)，VU Amsterdam Metaphor Corpus［24］是目前規(guī)模最大的手工標(biāo)注隱喻語(yǔ)料庫(kù).它在2010年10月完成語(yǔ)料標(biāo)注，包括新聞文本、學(xué)術(shù)文本、小說和會(huì)話4種體裁，規(guī)模達(dá)到200 000個(gè)英語(yǔ)單詞.VU Amsterdam Metaphor Corpus從語(yǔ)言方面對(duì)隱喻詞匯進(jìn)行了標(biāo)注，并沒有涉及隱喻概念標(biāo)注.按照隱喻標(biāo)記詞（例如like、as等）的有無對(duì)語(yǔ)料庫(kù)中的隱喻進(jìn)行分類和組織，并把“擬人”單獨(dú)列為一項(xiàng)隱喻類別.

Pragglejaz Group在標(biāo)注中設(shè)計(jì)了一套隱喻識(shí)別程序 MIPVU （Metaphor Identification Procedure VU），依據(jù)嚴(yán)格的詞匯界定及詞義的字典釋義對(duì)隱喻進(jìn)行字面義與隱喻義的劃分并進(jìn)行系統(tǒng)識(shí)別.這是在他們以前的MIP識(shí)別程序基礎(chǔ)上的改進(jìn)和補(bǔ)充，利用Fleiss′Kappa統(tǒng)計(jì)分析方法得出其標(biāo)注一致性達(dá)到了0.85.

VU Amsterdam Metaphor Corpus已經(jīng)廣泛應(yīng)用到隱喻計(jì)算的研究中，并對(duì)俄語(yǔ)等其他語(yǔ)言的隱喻語(yǔ)料庫(kù)標(biāo)注起到了指導(dǎo)作用.其中的隱喻識(shí)別程序MIPVU 降低了隱喻識(shí)別中的主觀性，也得到了廣泛的應(yīng)用.但是研究仍然停留在語(yǔ)言層面上，并沒有對(duì)隱喻在概念層面上的識(shí)別給予關(guān)注.

3.5 SentiWordNet

SentiWordNet［25］是一個(gè)面向情感分類和觀點(diǎn)挖掘應(yīng)用的開源詞匯資源.從SentiWordNet 1.0到升級(jí)版的SentiWordNet 3.0，目前全世界已有超過300個(gè)研究組織得到授權(quán)，在各種情感研究課題中使用.SentiWordNet 是 在SentiWordNet同義詞集自動(dòng)標(biāo)注的基礎(chǔ)上建立起來的.每個(gè)同義詞集都包含褒、貶、中性3個(gè)級(jí)別及每個(gè)級(jí)別下的得分pos（s）、neg（s）和obj（s）.每個(gè)得分在［0，1.0］.具有多種語(yǔ)義的詞語(yǔ)可能具有不同的級(jí)別和得分，其得分總和為1.例如在形容詞“estimable”語(yǔ)義為“may be computed or estimated”的同義詞集中的情感標(biāo)注為中性得分1.0，貶0，褒0；然而在語(yǔ)義為“deserving of respect or high regard”的同義詞集中為褒0.75，貶0，中性0.25.

該詞典為情感分析提供了重要的資源，但是情感分類仍簡(jiǎn)單劃分為褒、貶、中性，缺少更細(xì)致的情感劃分.

3.6 中文情感語(yǔ)義資源建設(shè)

中文的情感語(yǔ)義資源隨著中文信息處理技術(shù)和情感分析技術(shù)的發(fā)展，也獲得較為長(zhǎng)足的發(fā)展，從無到有，主要體現(xiàn)在北京大學(xué)的“漢語(yǔ)概念詞典CCD［26］”，Dong 等 的“知 網(wǎng)Hownet［27］”，臺(tái)灣大學(xué)的“情感極性詞典NTUSD”［28］，大連理工大學(xué)的“情感詞匯本體［29］”“情感語(yǔ)料庫(kù)［30］”“情感常識(shí)知識(shí)庫(kù)［31］”等一系列情感語(yǔ)義資源，初步解決了情感分類的語(yǔ)義基礎(chǔ)，但是對(duì)于隱喻的情感分析所需要的知識(shí)體系更為復(fù)雜和精細(xì)，構(gòu)建的成本更大，牽涉到認(rèn)知科學(xué)、語(yǔ)言學(xué)和計(jì)算機(jī)科學(xué)，造成目前的漢語(yǔ)情感隱喻的知識(shí)庫(kù)和評(píng)測(cè)語(yǔ)料極度缺乏.

4 情感隱喻識(shí)別與理解

情感隱喻識(shí)別與理解是情感隱喻計(jì)算的主要部分，重點(diǎn)研究作者如何通過隱喻把文本話題的情感傳遞給讀者，是一種更具挑戰(zhàn)性的情感計(jì)算研究.與字面語(yǔ)言相比，隱喻是典型的非字面表達(dá)，常常通過隱晦、間接的語(yǔ)言表達(dá)情感.例如在句子“你就是個(gè)備胎”中，并沒有情感詞匯出現(xiàn)，“備胎”的字面義也沒有情感因素，但是其隱喻義“排在第二的情人”卻能傳遞出說話者不滿、生氣的負(fù)面情感.如果再去考慮隱喻出現(xiàn)的語(yǔ)境或者作者對(duì)于目標(biāo)域概念的態(tài)度，情感隱喻計(jì)算將更具挑戰(zhàn)性.

目前情感隱喻識(shí)別和理解處在剛剛起步階段，對(duì)詞匯特征關(guān)注較多，以識(shí)別和理解本體、喻體語(yǔ)義的矛盾沖突為總體思路，包括基于語(yǔ)義知識(shí)和基于機(jī)器學(xué)習(xí)兩種主要方法.基于語(yǔ)義知識(shí)方法的基本思路是把情感隱喻知識(shí)和規(guī)則形式化為語(yǔ)義分析器，可以對(duì)輸入情感隱喻進(jìn)行分析和理解.基于機(jī)器學(xué)習(xí)的基本思路是從大規(guī)模語(yǔ)料資源中“學(xué)習(xí)”領(lǐng)域知識(shí)，從而進(jìn)行情感隱喻識(shí)別或?qū)崿F(xiàn)以源域與目標(biāo)域間相似度計(jì)算為基礎(chǔ)的情感隱喻理解.早期研究中基于語(yǔ)義的方法較多，近10年來隨著機(jī)器學(xué)習(xí)的飛速發(fā)展，基于機(jī)器學(xué)習(xí)的方法在情感隱喻計(jì)算中得到了較快的發(fā)展.下面對(duì)主要工作加以簡(jiǎn)單回顧.

4.1 基于語(yǔ)義知識(shí)的方法

Fass［32］是最早對(duì)隱喻文本識(shí)別技術(shù)進(jìn)行研究的學(xué)者之一，在Wilks［33］有關(guān)語(yǔ)義選擇優(yōu)先中斷工作的基礎(chǔ)上，手工構(gòu)建語(yǔ)義選擇限制知識(shí)，判斷字面意思和語(yǔ)境意思是否存在語(yǔ)義上的沖突，從而完成隱喻識(shí)別.例如，在句子“My car drinks gasoline”中，動(dòng)詞“drink”的主語(yǔ)應(yīng)該是具有生命的語(yǔ)義類，而“my car”是沒有生命的，句子主語(yǔ)和謂語(yǔ)產(chǎn)生了語(yǔ)義沖突，據(jù)此識(shí)別為隱喻.Fass開發(fā)了一個(gè)met＊ 系統(tǒng)，能夠?qū)ψ置媪x、隱喻、轉(zhuǎn)喻和異常進(jìn)行區(qū)分.該系統(tǒng)首先根據(jù)是否違反語(yǔ)義選擇限制判斷是字面義還是非字面義，在非字面義的情況下，繼續(xù)使用手工構(gòu)建的語(yǔ)義限制（例如container for content），檢驗(yàn)是否是轉(zhuǎn)喻或者具有轉(zhuǎn)喻關(guān)系.如果系統(tǒng)不能識(shí)別出轉(zhuǎn)喻，就繼續(xù)在知識(shí)庫(kù)中尋找隱喻或者隱喻關(guān)系.例如，句子“My car drinks gasoline”的框架結(jié)構(gòu)可以表示為（car，drink，gasoline），因?yàn)閏ar并不具有animal語(yǔ)義下位關(guān)系，所以不能滿足優(yōu)先語(yǔ)義的框架（animal，drink，liquid）.另外，系統(tǒng)在非轉(zhuǎn)喻和隱喻的情況下，會(huì)給出語(yǔ)義異常類的辨別結(jié)果.Fass的方法依靠手工構(gòu)建的語(yǔ)義選擇限制知識(shí)，其規(guī)模有限.

在最近的研究中，Wilks等［34］改進(jìn)了Fass的方法，從詞典VerbNet和WordNet中獲取語(yǔ)義優(yōu)選知識(shí)，自動(dòng)識(shí)別那些已經(jīng)固定的、詞匯化的隱喻.這種方法假設(shè)一個(gè)單詞在WordNet中的首要（最主要）詞義并不是它在所在句子的語(yǔ)境詞義，但是有一個(gè)WordNet中的次要詞義滿足該詞的語(yǔ)境，那么這個(gè)詞就是隱喻用法，WordNet中的次要詞義就是它的隱喻義.例如在句子“She married a brick”中，“brick”的首要詞義是“a physical object”，而“marry”的語(yǔ)義優(yōu)先選擇應(yīng)該是“people”，但是“brick”的第二個(gè)詞義是“a reliable person”，滿足優(yōu)選語(yǔ)義，判定為隱喻，“a reliable person”為隱喻義.Wilks等使用語(yǔ)義分類器識(shí)別詞典注釋中動(dòng)詞的名詞主題和它們的語(yǔ)義角色，從而提取出WordNet中上位詞，并把它們定義為語(yǔ)義優(yōu)選.與手工構(gòu)建語(yǔ)義知識(shí)相比，這種方法自動(dòng)獲得語(yǔ)義優(yōu)選限制，但是這種依靠詞典中詞義注釋順序的方法有時(shí)候并不準(zhǔn)確.例如，有些詞在WordNet中的首要詞義就是隱喻的詞義，而第二詞義才是字面意思，此外Wilks等對(duì)自己工作的評(píng)價(jià)是沒有對(duì)隱喻和轉(zhuǎn)喻進(jìn)行區(qū)分.

Strzalkowski等［35］從詞匯和語(yǔ)義特征兩個(gè)方面對(duì)情感隱喻進(jìn)行了研究.隱喻映射被劃分為概念和關(guān)系兩種主要表達(dá)方式.概念包括源域概念和目標(biāo)域概念，關(guān)系是指從源域中“借用”到目標(biāo)域的概念.例如，在隱喻“Government regulations are crushing small businesses”中，句子主語(yǔ)“government regulations”和謂語(yǔ)動(dòng)詞“crush”產(chǎn)生了語(yǔ)義沖突，crush是從源域概念（例如physical burden）中借用的動(dòng)詞應(yīng)用到目標(biāo)域概念中，這種隱喻映射表達(dá)被稱為“關(guān)系”表達(dá)式.據(jù)此，Strzalkowski等把目標(biāo)域和源域（概念或者關(guān)系）的隱喻表達(dá)分別根據(jù)情感詞典劃分出情感，再通過社會(huì)語(yǔ)言學(xué)理論基礎(chǔ)上建立的模型Affect Calculus識(shí)別整個(gè)隱喻句子的情感極性.實(shí)驗(yàn)表明這種方法對(duì)于本體的情感為中性（neutral）的情感隱喻識(shí)別具有較高的準(zhǔn)確率，但對(duì)情感詞典依賴性較大，并且是對(duì)隱喻內(nèi)部的情感識(shí)別，對(duì)于語(yǔ)境等因素沒有考慮.

4.2 基于機(jī)器學(xué)習(xí)的方法

Zhang等［36］對(duì)幾種特別類型隱喻表達(dá)的情感進(jìn)行研究，包括：實(shí)體隱喻（即概念隱喻“情感是實(shí)體”下的隱喻表達(dá)，例如“Anger ran through me”“Fear drags me down”）；食物隱喻（即概念隱喻“情感是食物”下的隱喻表達(dá)，例如“X is a pizza”）；動(dòng)物隱喻（即概念隱喻“情感是動(dòng)物”下的隱喻表達(dá)，例如“Lisa is a pig”）；憤怒隱喻（即概念隱喻“憤怒是容器里液體中的熱”下的隱喻表達(dá)，例如“She exploded completely”）；尺寸隱喻（即隱喻中傳遞情感的尺寸的形容詞，例如“Shut your big fat mouth”）.其基本思路是在句法和語(yǔ)義分析基礎(chǔ)上，使用包括決策樹、樸素貝葉斯、支持向量機(jī)的機(jī)器學(xué)習(xí)方法，并根據(jù)WordNet和WordNet－affect詞典中的領(lǐng)域知識(shí)辨別語(yǔ)義和情感等信息.以“實(shí)體隱喻”為例，對(duì)于句子“Anger runs through me”，Rasp句法識(shí)別工具首先識(shí)別出句子的結(jié)構(gòu)“nnl（a singular common noun subject：anger）＋vvz（present－tense lexical verb phrase：runs）＋ppiol（object：me）”，并把主語(yǔ)名詞“anger”送到語(yǔ)義詞典中，然后句子的語(yǔ)義和句法結(jié)構(gòu)就被標(biāo)記出來“e3－（semantic tag：anger）＋vvza（runs）＋ppiol（me）”.標(biāo)注的句子作為分類器（決策樹、樸素貝葉斯、支持向量機(jī)）的訓(xùn)練集，用于識(shí)別此類型的隱喻表達(dá).然后識(shí)別出的隱喻表達(dá)通過WordNet－affect的情感領(lǐng)域標(biāo)簽進(jìn)行情感處理.例如，當(dāng)分類器識(shí)別出輸入句子“Panic is dragging me down”為實(shí)體隱喻類型后，再使用WordNet－affect辨別其主語(yǔ)“panic”的情感為“害怕”“負(fù)面情感”，即panic：fear（negative emotion）.Zhang等嘗試了對(duì)多種類型的情感隱喻進(jìn)行研究，但其概念隱喻并沒有考慮文化差異性，其研究對(duì)英語(yǔ)之外其他語(yǔ)言并不具有普遍適用性.

Kozareva［37］開展了多語(yǔ)言隱喻情感極性和效價(jià)識(shí)別研究.從政治演講、政治相關(guān)網(wǎng)站和在線報(bào)紙等資源中收集數(shù)據(jù)，建立了英語(yǔ)、西班牙語(yǔ)、俄語(yǔ)和波斯語(yǔ)4種語(yǔ)言的數(shù)據(jù)集.其中以句子級(jí)別的隱喻句為主，也包括一些短語(yǔ).一般情況下，其語(yǔ)境定為隱喻句前后的一個(gè)句子（最多3個(gè)句子）.采用人工的方式對(duì)隱喻句的情感極性和效價(jià)進(jìn)行標(biāo)注，其中情感極性分為“正”（positive）、“負(fù)”（negative）兩種，效價(jià)級(jí)別從－3 到＋3.并且標(biāo)注者還要提供語(yǔ)境、本體、喻體、比喻部分的信息.然后利用機(jī)器學(xué)習(xí)的方法，把情感極性任務(wù)作為分類問題處理.同時(shí)參考心理學(xué)家關(guān)于語(yǔ)境特征和觸發(fā)詞表的研究建立特征集，從隱喻本身、語(yǔ)境和源域、目標(biāo)域等幾方面研究其對(duì)于情感的影響.但是其研究?jī)H限于政治管理領(lǐng)域，應(yīng)用范圍較小，情感種類也僅限于褒貶而沒有涉及多種類情感.

近年來，深度學(xué)習(xí)研究方法在許多研究領(lǐng)域取得了不錯(cuò)的效果，其中詞嵌入［38］是一種將詞表示為連續(xù)詞向量的技術(shù)，其已被廣泛用于多個(gè)自然語(yǔ)言處理的任務(wù)中.然而，詞嵌入技術(shù)也存在一些弊端，即所得到的詞向量的質(zhì)量依賴于訓(xùn)練的語(yǔ)料，且不能有效地利用結(jié)構(gòu)化數(shù)據(jù)，缺少語(yǔ)義信息等.最近一些研究表明［39］，將語(yǔ)義信息等結(jié)構(gòu)化數(shù)據(jù)加入詞向量訓(xùn)練過程中，可以得到更為高質(zhì)量的詞向量.基于豐富的隱喻語(yǔ)料庫(kù)資源，可將結(jié)構(gòu)化的隱喻語(yǔ)料知識(shí)融入詞向量訓(xùn)練過程，使得詞向量可以學(xué)習(xí)到相關(guān)隱喻信息，即獲取一些概念層面的詞義信息.在“學(xué)習(xí)”了結(jié)構(gòu)化的隱喻語(yǔ)料知識(shí)后，根據(jù)該詞向量間的相似度進(jìn)行重排序，可以在一定程度上幫助研究者解決隱喻識(shí)別和隱喻理解的問題.

此外，語(yǔ)言通常被認(rèn)為具有明顯的樹結(jié)構(gòu)，也就是說，在進(jìn)行語(yǔ)法或語(yǔ)義組合時(shí)，通常不是按照詞的順序進(jìn)行組合，而是先組合語(yǔ)法或語(yǔ)義關(guān)系比較近的詞或短語(yǔ).基于以上的語(yǔ)言學(xué)理論，在引入深度學(xué)習(xí)技術(shù)處理自然語(yǔ)言問題時(shí)，可利用語(yǔ)言的樹結(jié)構(gòu)來構(gòu)建深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，即遞歸神經(jīng)網(wǎng)絡(luò)［40］.在隱喻識(shí)別方面，很多研究人員采用基于語(yǔ)法搭配的方法進(jìn)行隱喻識(shí)別.而隱喻識(shí)別在一定程度上可被看作是語(yǔ)義關(guān)系分類任務(wù)，用以識(shí)別兩個(gè)距離較遠(yuǎn)的實(shí)體之間的語(yǔ)義關(guān)系，它們中間的詞往往對(duì)序列模型構(gòu)成干擾，通過結(jié)合語(yǔ)句的句法分析樹型結(jié)構(gòu)，則有助于排除這些干擾，再結(jié)合以句法樹結(jié)構(gòu)構(gòu)造的遞歸神經(jīng)網(wǎng)絡(luò)等相關(guān)深度學(xué)習(xí)模型，可對(duì)隱喻較為有效地識(shí)別.

5 情感隱喻計(jì)算應(yīng)用

網(wǎng)絡(luò)評(píng)論的急速增加迫切需要利用計(jì)算機(jī)自動(dòng)分析處理這些情感信息，這使得情感計(jì)算研究得到了廣泛的關(guān)注和應(yīng)用.目前的應(yīng)用領(lǐng)域主要包括智能機(jī)器人、用戶評(píng)論分析、信息預(yù)測(cè)、輿情監(jiān)控、問答系統(tǒng)、機(jī)器翻譯等.但是情感隱喻的應(yīng)用研究還處于起步階段，所以下面以機(jī)器翻譯、問答系統(tǒng)、評(píng)論分析為例，對(duì)情感隱喻計(jì)算的應(yīng)用前景進(jìn)行簡(jiǎn)要論述.

5.1 機(jī)器翻譯

情感隱喻的識(shí)別是機(jī)器翻譯最棘手的問題之一，目前句子層面的機(jī)器翻譯主要采用直譯的方法，其結(jié)果和人工翻譯具有很大差距.在機(jī)器翻譯中融入情感隱喻計(jì)算可以很大程度上提升翻譯的性能，具體來說，就是在翻譯的過程中搭建一個(gè)隱喻識(shí)別引擎，以情感詞匯本體和隱喻本體為基礎(chǔ)，以機(jī)器學(xué)習(xí)技術(shù)和模式識(shí)別方法為手段，將包含隱喻的句子作為輸入，對(duì)源語(yǔ)言與目標(biāo)語(yǔ)言的隱喻關(guān)系進(jìn)行匹配和識(shí)別，輸出隱喻的本體和喻體等信息，從而進(jìn)一步提升機(jī)器翻譯的精確性，彌補(bǔ)隱喻內(nèi)容因直譯而帶來的歧義，輔助并提升機(jī)器翻譯的整體性能.

例如“她是父母的掌上明珠”這個(gè)隱喻句的百度翻譯結(jié)果是“She is a pearl in the palm of parents”.由此可以看出，直譯的翻譯方式不能翻譯出像“She is the apple of her parents′eye”這樣地道的譯句.其根源在于計(jì)算機(jī)對(duì)復(fù)雜語(yǔ)言知識(shí)和規(guī)律認(rèn)識(shí)有限.在這種情況下，情感隱喻語(yǔ)料資源可以讓計(jì)算機(jī)獲得人類具有的“知識(shí)”，采用以語(yǔ)義為核心的翻譯方法，實(shí)現(xiàn)從源語(yǔ)到譯語(yǔ)語(yǔ)義層面的轉(zhuǎn)換，使機(jī)器翻譯更加接近人類對(duì)語(yǔ)言的理解，從而提高翻譯性能.例如，情感隱喻語(yǔ)料資源可以幫助機(jī)器翻譯實(shí)現(xiàn)以下功能：通過英漢喻底建立關(guān)聯(lián)，獲取知識(shí)庫(kù)中已有且標(biāo)注的同喻底隱喻；對(duì)輸入的隱喻句子進(jìn)行成分分析，運(yùn)用實(shí)體識(shí)別與抽取算法抽取句中對(duì)應(yīng)的本體與喻體信息，并計(jì)算該信息與知識(shí)庫(kù)中情感隱喻的語(yǔ)義相似度；根據(jù)相似性結(jié)果排序，推薦相似性較高的K個(gè)翻譯結(jié)果作為候選結(jié)果；引入Frequently Asked Questions（FAQ）機(jī)制，即常見的問題項(xiàng)目與對(duì)應(yīng)問題的解答，記錄用戶的采納結(jié)果，重復(fù)利用，實(shí)現(xiàn)高質(zhì)量的情感隱喻的機(jī)器翻譯.因此，情感隱喻計(jì)算研究，尤其是情感隱喻識(shí)別在機(jī)器翻譯中具有廣闊的應(yīng)用前景.

5.2 聊天機(jī)器人

聊天機(jī)器人是一個(gè)用來模擬人類對(duì)話或者聊天的程序，作為問答系統(tǒng)的延伸和擴(kuò)展，聊天機(jī)器人不僅需要對(duì)用戶所提出的問題進(jìn)行回答，同時(shí)要充分地把握用戶在聊天中的情感趨勢(shì)，給出符合用戶情感狀態(tài)的答案，并能夠適當(dāng)對(duì)后續(xù)聊天中的情感走向進(jìn)行引導(dǎo).因此，情感隱喻計(jì)算對(duì)聊天機(jī)器人性能的提升至關(guān)重要.例如，聊天機(jī)器人需要根據(jù)對(duì)話內(nèi)容，理解用戶在聊天中所提到的雙關(guān)語(yǔ)，并根據(jù)其隱含的意思給出符合用戶心理的回答.

聊天機(jī)器人的隱喻理解同樣也需要搭建一個(gè)情感隱喻識(shí)別引擎，該引擎將用戶聊天內(nèi)容作為輸入，以情感隱喻的喻底作為輸出，充分領(lǐng)會(huì)本次會(huì)話的上下文信息，同時(shí)借助情感隱喻語(yǔ)義資源和各種領(lǐng)域知識(shí)，給出相應(yīng)的回答內(nèi)容.通過情感隱喻識(shí)別引擎聊天機(jī)器人能夠更深層次地把握用戶所關(guān)心的話題和情感的變化，從而展開更為人性化的對(duì)話.

5.3 評(píng)論分析

對(duì)于產(chǎn)品或者服務(wù)的用戶評(píng)論分析是情感計(jì)算中的應(yīng)用熱點(diǎn).分析和挖掘用戶評(píng)論中所蘊(yùn)含的情感需要借助情感常識(shí)庫(kù)和情感隱喻本體等資源.首先，需要基于這些資源對(duì)用戶評(píng)論中的情感隱喻詞匯進(jìn)行抽?。蝗缓?，根據(jù)詞匯所具有的情感來判別句子整體所具有的情感傾向性，特別是與隱喻相關(guān)的情感；最后，從整體上挖掘出用戶的情感狀態(tài)，并根據(jù)用戶現(xiàn)有狀態(tài)調(diào)整產(chǎn)品和服務(wù)的供應(yīng)，提升用戶的滿意度.

國(guó)內(nèi)外很多產(chǎn)品評(píng)論的海量信息中會(huì)有大量情感隱喻存在，例如評(píng)論電影時(shí)人們會(huì)說“真是個(gè)鬼才導(dǎo)演！”“國(guó)產(chǎn)片的頂配”；對(duì)一款旅行社旅游產(chǎn)品可能評(píng)論“太腐敗了！”.但是目前對(duì)于用戶評(píng)論情感分析基本方法是在自動(dòng)獲取評(píng)論的基礎(chǔ)上，挖掘出產(chǎn)品主要評(píng)價(jià)詞和屬性信息，然后分析處理.據(jù)此國(guó)內(nèi)外研發(fā)了很多評(píng)論情感分析系統(tǒng)：例如對(duì)產(chǎn)品網(wǎng)絡(luò)評(píng)價(jià)信息進(jìn)行情感分析，并提供個(gè)性推薦［41］；對(duì)在線購(gòu)物產(chǎn)品評(píng)價(jià)意見進(jìn)行分析和可視化展示［42］，根據(jù)在線評(píng)論的情感分析結(jié)果進(jìn)行廣告推薦等［43］.由于情感隱喻計(jì)算研究剛剛起步，在以上過程中很少有研究關(guān)注其中的情感隱喻.這導(dǎo)致了情感計(jì)算中因?yàn)楹雎源罅看嬖诘姆亲置嬲Z(yǔ)言——情感隱喻而出現(xiàn)精度問題.因此，情感隱喻計(jì)算有助于對(duì)網(wǎng)絡(luò)評(píng)論中情感的理解，可以進(jìn)一步提高人機(jī)交互的性能，為用戶和制造商提供決策參考.

6 結(jié) 語(yǔ)

本文從情感隱喻計(jì)算研究歷程回顧開始，從情感隱喻資源建設(shè)、情感隱喻識(shí)別與理解相關(guān)研究及應(yīng)用幾個(gè)方面論述了情感隱喻計(jì)算的研究進(jìn)展，最后提出以下幾點(diǎn)面臨的問題和挑戰(zhàn).

（1）情感隱喻分類問題.目前情感隱喻計(jì)算中對(duì)于情感類別基本上是“褒、貶”的二情感分類，而很少有“喜、怒、哀、樂”等多情感分類研究.然而現(xiàn)實(shí)文本中存在著豐富情感，因此要求計(jì)算機(jī)能夠理解甚至生成人類的各種情感.但是由于多類別情感語(yǔ)料的缺乏，多類別情感隱喻計(jì)算成為了一項(xiàng)困難的任務(wù)和有待解決的問題.

（2）資源建設(shè)問題.情感隱喻的認(rèn)知性決定了它對(duì)知識(shí)具有很強(qiáng)的依賴性.因此情感語(yǔ)料庫(kù)、情感詞匯本體等資源建設(shè)對(duì)于情感隱喻計(jì)算非常重要.但是目前專門用于情感隱喻計(jì)算的資源建設(shè)極度缺乏，現(xiàn)有的隱喻資源主要針對(duì)普遍出現(xiàn)的概念隱喻，較少考慮到隱喻的情感計(jì)算問題.面向情感隱喻計(jì)算的資源建設(shè)也需要結(jié)合語(yǔ)言學(xué)研究成果，開展情感隱喻的概念層面和語(yǔ)言層面的研究.目前面臨著情感隱喻的特征形式、情感語(yǔ)義標(biāo)注體系、人工標(biāo)注的主觀性和個(gè)體差異等諸多具有挑戰(zhàn)性的問題.

（3）文化差異問題.情感隱喻在不同語(yǔ)言和文化中存在顯著的差異.語(yǔ)言學(xué)家對(duì)于情感隱喻在不同文化中的形成機(jī)制以及相似性和差異性做了大量研究，但目前這些研究成果并沒有廣泛應(yīng)用于情感隱喻計(jì)算研究中.因此，利用語(yǔ)言學(xué)與心理學(xué)研究成果，充分考慮情感隱喻在不同文化中的差異性，建立具有適用性的計(jì)算模型將是一個(gè)新的課題.

（4）研究方法問題.目前情感隱喻研究仍較為依賴語(yǔ)義關(guān)系，基于機(jī)器學(xué)習(xí)的方法主要通過在海量語(yǔ)料中“學(xué)習(xí)”得到相應(yīng)的模式或規(guī)則，對(duì)情感隱喻進(jìn)行識(shí)別，但是缺乏對(duì)隱喻的“理解”，缺乏先驗(yàn)知識(shí)引導(dǎo)，識(shí)別的精度不理想.隨著深度學(xué)習(xí)的興起，通過深度學(xué)習(xí)技術(shù)對(duì)語(yǔ)料中的情感隱喻知識(shí)進(jìn)行“提煉”，可以更好地輔助計(jì)算機(jī)理解情感隱喻，以指導(dǎo)計(jì)算機(jī)更為準(zhǔn)確地識(shí)別情感隱喻，實(shí)現(xiàn)情感隱喻的可計(jì)算化.

［1］ Lakoff G，Johnson M.Metaphors We Live By［M］.Chicago：The University of Chicago Press，1980.

［3］ Goatly A.Metaphor as resource for the conceptualization and expression of emotion［M］／／Ahmad K.Affective Computing and Sentiment Analysis：Emotion，Metaphor and Terminology.Berlin：Springer－Verlag，2011：19－27.

［4］ Richards I A.The Philosophy of Rhetoric ［M］.London：Oxford University Press，1936.

［6］ Ricoeur P.The Rule of Metaphor［M］.London：Routledge，1978.

［7］ Ortony A.Metaphor and Thought［M］.Cambridge：Cambridge University Press，1979：72－123.

［9］ Miller G A.WordNet：a lexical database for English language［J］.Communications of the ACM，1995，38（11）：39－41.

［10］ Lakoff G，Espenson J，Goldberg A，etal.Master Metaphor List，Second Edition［DB／OL］.（1991－01－01）http：／／araw.mede.uic.edu／～alansz／metaphor／METAPHORLIST.pdf.

［11］ Picard R W.Affective Computing［M］.Cambridge：MIT Press，1997.

［12］ Shutova E.Models of metaphor in NLP ［C］／／Proceedings of the 48th Annual Meeting of the Association for Computational Linguistics.East Stroudsburg： Association for Computational Linguistics，2010：688－697.

［13］ Shutova E，SUN Lin.Unsupervised metaphor identification using hierarchical graph factorization clustering［C］／／Proceedings of NAACL－HLT 2013.Atlanta：ACL，2013：978－988.

［14］ 田 嘉，蘇 暢，陳怡疆.隱喻計(jì)算研究進(jìn)展［J］.軟件學(xué)報(bào)，2015，26（1）：40－51.TIAN Jia，SU Chang，CHEN Yi－jiang.Computational metaphor processing［J］.Journal of Software，2015，26（1）：40－51.（in Chinese）

［15］ 林鴻飛，許 侃，任 惠.基于詞匯范疇和語(yǔ)義相似的顯性情感隱喻識(shí)別機(jī)制［J］.大連理工大學(xué)學(xué)報(bào)，2012，52（5）：761－766.LIN Hong－fei，XU Kan，REN Hui.Mechanism of dominant sentimental metaphor identification based on lexical domain and semantic similarity ［J］.Journal of Dalian University of Technology，2012，52（5）：761－766.（in Chinese）

［16］ Ghosh A，LI Guo－fu，Veale T，etal.SemEval－2015 task 11：Sentiment analysis of figurative language in Twitter ［C］／／ Proceedings of the International Workshop on Semantic Evaluation.Denver：［s n］，2015.

［17］ Reyes A，Rosso P.On the difficulty of automatically detecting irony：beyond a simple case of negation ［J］.Knowledge and Information Systems，2014，40（3）：595－614.

［18］ Veale T.A context－sensitive，multi－faceted model of lexico－conceptual affect ［C］／／50th Annual Meeting of the Association for Computational Linguistics，ACL 2012－ Proceedings of the Conference.East Stroudsburg：ACL，2012：75－79.

［19］ Turney P D，Neuman Y，Assaf D，etal.Literal and metaphorical sense identification through concrete and abstract context［C］／／EMNLP 2011－Conference on Empirical Methods in Natural Language Processing，Proceedings of the Conference.East Stroudsburg：ACL，2011.

［20］ Lakoff G，Turner M.More Than Cool Reason：A Field Guide to Poetic Metaphor ［M］.Chicago：University of Chicago Press，1989.

［22］ Goatly A，Project LLE，Lingnan University.Metalude—Metaphor at Lingnan University ［DB／OL］.（2002－01－01）http：／／www.ln.edu.hk／lle／cwd03／lnproject＿chi／introduction.html.

［23］ Lonneker－Rodman B.The Hamburg Metaphor Database project：issues in resource creation ［J］.Language Resources and Evaluation，2008，42（3）：293－318.

［24］ Steen G J，Dorst A G，Herrmann J B，etal.VU Amsterdam Metaphor Corpus［Z］.Oxford：Oxford Text Archives，2010.

［25］ Baccianella S，Esuli A，Sebastiani F.SentiWordNet 3.0：An enhanced lexical resource for sentiment analysis and opinion mining［C］／／Proceedings of the Seventh Conference on International Language Resources and Evaluation.Valletta：LREC，2010.

［26］ 于江生，俞士汶.中文概念詞典的結(jié)構(gòu)［J］.中文信息學(xué)報(bào)，2002，16（4）：12－20.YU Jiang－sheng，YU Shi－wen.The structure of Chinese concept dictionary［J］.Journal of Chinese Information Processing，2002，16（4）：12－20.（in Chinese）

［27］ DONG Qiang，DONG Zhen－dong.Hownet and the Computation of Meaning ［M］.London：World Scientific Publishing Company，1988.

［28］ Ku L W，Lo Y S，Chen H H.Using polarity scores of words for sentence－level opinion extraction［C］／／ Proceedings of NTCIR－6 Workshop Meeting.Tokyo：NTCIR，2007：316－322.

［29］ 徐琳宏，林鴻飛，潘 宇，等.情感詞匯本體的構(gòu)造［J］.情報(bào)學(xué)報(bào)，2008，27（2）：180－185.XU Lin－h(huán)ong，LIN Hong－fei，PAN Yu，etal.Constructing the affective lexicon ontology ［J］.Journal of the China Society for Scientific and Technical Information，2008，27（2）：180－185.（in Chinese）

［30］ 徐琳宏，林鴻飛，趙 晶.情感語(yǔ)料庫(kù)的構(gòu)建和分析［J］.中文信息學(xué)報(bào)，2008，22（1）：116－122.XU Lin－h(huán)ong，LIN Hong－fei，ZHAO Jing.Construction and analysis of emotional corpus［J］.Journal of Chinese Information Processing，2008，22（1）：116－122.（in Chinese）

［31］ 陳建美，林鴻飛.中文情感常識(shí)知識(shí)庫(kù)的構(gòu)建［J］.情報(bào)學(xué)報(bào)，2009，28（4）：492－498.CHEN Jian－mei，LIN Hong－fei.Constructing the affective common sense knowledge base ［J］.Journal of the China Society for Scientific and Technical Information，2009，28（4）：492－498.（in Chinese）

［32］ Fass D.met＊：A method for discriminating metonymy and metaphor by computer ［J］.Computational Linguistics，1991，17（1）：49－90.

［33］ Wilks Y.A preferential pattern－seeking semantics for natural language inference ［J］.Artificial Intelligence，1975，6（1）：53－74.

［34］ Wilks Y，Adam D，James A，etal.Automatic metaphor detection using large－scale lexical resources and conventional metaphor extraction［C］／／Proceedings of the First Workshop on Metaphor in NLP.Atlanta：NLP，2013：36－44.

［35］ Strzalkowski T，Shaikh S，Cho K，etal.Computing effect in metaphors［J］.Communications of the ACM，2008，57（1）：107－113.

［36］ ZHANG Li，Barnden J.Affect and metaphor sensing in virtual drama［J］.International Journal of Computer Games Technology，2010：512563.

［37］ Kozareva Z.Multilingual affect polarity and valence prediction in metaphor－rich texts［C］／／ACL 2013－51st Annual Meeting of the Association for Computational Linguistics，Proceedings of the Conference.East Stroudsburg：ACL，2013.

［38］ Mikolov T，Sutskever I，Chen K，etal.Distributed representations of words and phrases and their compositionality ［J］.Eprint Arxiv，2013：3111－3119.

［39］ Rothe S，Schütze H.AutoExtend：Extending word embeddings to embeddings for Synsets and Lexemes［C］／／Proceedings of the 53rd Annual Meeting of the Association for Computational Linguistics.Beijing：Association for Computational Linguistics，2015.

［40］ Mikolov T，Karafiát M，Burget L，etal.Recurrent neural network based language model ［C］／／Proceedings of the 11th Annual Conference of the International Speech Communication Association，INTERSPEECH 2010.Bonn：International Speech Communication Association，2010：1045－1048.

［41］ LI Nan，Wu D D.Using text mining and sentiment analysis for online forums hotspot detection and forecast ［J］.Decision Support Systems，2010，48（2）：354－368.

［42］ XU Kai－quan，Liao S S，LI Jie－xun，etal.Mining comparative opinions from customer reviews for competitive intelligence ［J］.Decision Support Systems，2011，50（4）：743－754.

［43］ QIU Guang，HE Xiao－fei，ZHANG Feng，etal.DASA：Dissatisfaction－oriented advertising based on sentiment analysis ［J］.Expert Systems with Applications，2010，37（9）：6182－6191.

（第55卷卷終）