Computational Linguistic Interpretation and Modeling of Dress Metaphors in Ming Dynasty Novel Texts
Notice bibliographique
Résumé
Dress metaphor is a very important way of expression in the novel text of Ming Dynasty, and the recognition and interpretation of the metaphor play a very important role in really understanding the novel text.This paper proposes a dress metaphor recognition model based on Transformer and graph convolutional neural network, and a dress metaphor interpretation method based on Seq2seq framework.The apparel metaphor recognition model performs feature extraction of global and local information of apparel metaphor sentences by Transformer.Graph Convolutional Neural Network is utilized to obtain syntactic structure information and sentence dependencies, in order to complete multi-word dress metaphor recognition.Then the obtained deep metaphor features and syntactic structure information of the sentence are input to the classification layer.The metaphor decoding method carries out costume metaphor understanding through the encoder-decoder, which chooses the LSTM network structure for both encoder and decoder to better obtain the semantic features of the novel text.The dress metaphor recognition model improved the recognition correctness on the dataset by 17.97% and 7.28%.The dress metaphor interpretation method based on the Seq2seq framework elaborates the interpretation content and can more accurately interpret the dress metaphors in Ming Dynasty novels.It verifies the practicality of the metaphor recognition and interpretation model in this paper in the task of interpreting dress metaphors in Ming Dynasty novel texts.
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.
Comment cette classification a été obtenuedéplier
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».