Factors that Influence the Processing of Noun-Noun Metaphors
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
We analyzed the processing of noun-noun metaphors (e.g., velvet lips), which have been relatively understudied, compared to other types of figurative expressions, such as X is Y metaphors (e.g., Her lips are velvet) and similes (e.g., Her lips are like velvet). Experiment 1 revealed that noun-noun metaphors are semantically comparable to X is Y metaphors and similes, in the sense that the figurative meaning stays the same across these three different formats (e.g., participants agree to similar degrees that Lips are velvet, Lips are like velvetand velvet lips all mean that lips are soft). Experiment 2 showed that noun-noun metaphors behave similarly to compound words: In the same way that compound words with semantically opaque heads (e.g., jailbird) are processed slower than compounds with transparent heads (e.g., strawberry), noun-noun phrases with metaphorical heads (e.g., relationship patch) are processed slower than noun-noun phrases with literal heads and metaphorical modifiers (e.g., bandaid solution). Experiment 3 determined that noun-noun metaphors behave similarly to X is Y metaphors: In the same way that X is Y metaphors require the inhibition of irrelevant features (e.g., Some barrels are wooden interferes with the interpretation of Some stomachs are barrels because the former activates irrelevant features of barrel that later need to be suppressed), noun-noun metaphors also involve inhibition (e.g., jean patch interferes with the interpretation of relationship patch because the former activates certain features of patch, such as being made of cloth, that are irrelevant for the proper comprehension of the noun-noun metaphor).
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle