许可协议：知识共享-署名-非商业性使用-相同方式共享 3.0
评估指标：

• F1值
• 准确率

演示样例：

• 文本："我们正处在感情的十字路口"
  示例标题："隐喻用法1"
• 文本："汽车在十字路口等待"
  示例标题："字面用法1"
• 文本："我赢得了这场争论"
  示例标题："隐喻用法2"
• 文本："我赢得了比赛"
  示例标题："字面用法2"

多语言隐喻检测模型

本页面提供基于XLM-RoBERTa的微调多语言模型，采用Huggingface的标记分类方法进行词汇级隐喻检测。标签1对应隐喻用法。

数据集

模型训练数据来自阿姆斯特丹自由大学隐喻语料库，该语料库遵循隐喻识别协议进行了词汇级标注。训练语料仅限英语，但XLM-R在其他语言的零样本测试中表现良好。

性能表现

参照2020年第二届隐喻检测共享任务的评估标准：

• XLM-R_基础版的隐喻类F1值为0.76
• XLM-R_大模型版达到0.77

训练配置：

• 8个训练周期
• 最终加载验证集最佳表现模型
• 学习率2e-5
• 训练数据中10%用于验证
• 测试集完全独立，仅用于最终评估

代码与文献

训练代码已开源至Github
相关论文详见ACL会议文集：

@inproceedings{wachowiak2022drum,
title={击鼓求援：意象图式概念隐喻的系统分析},
author={瓦霍维亚克, 伦纳特 and 格罗曼, 达格玛 and 徐超},
booktitle={第三届比喻语言处理研讨会论文集},
pages={44-53},
year={2022}
}