3 隐喻的计算理解研究

认知科学所取得的可喜成果对隐喻形式化研究有很好的促进作用。国外出现了一些很有代表性的隐喻计算模型，从设计方法上大致可以分为两大类：

第一类：主要以规则推导为主。

根据其设计思想的不同还可细分为：优选语义思想，这方面的主要代表是Fass[7]提出的可以处理隐喻、转喻、字面义，反常表达的隐喻理解模型Met5系统；基于实例化思想，Martin[8]提出了识别和解释常规隐喻的MIDAS系统。同时期还出现了隐喻理解的逻辑推理模型。例如Gentner et al.[9][10]的结构映射引擎（Structure-Mapping Engine, SME）, Holyoak and Thagard[11]的ACME隐喻分析模型，以及Veale[12]的Sapper模型。除此之外，还有基于隐喻突显思想[13][14]、基于语义标记思想[15]的隐喻理解模型。模型的设计思路将在下一节重点论述。

第二类：主要以统计为手段，基于大规模语料库提取的隐喻分析模型。

其典型代表为CorMet模型。Mason[16]利用大规模语料动态提取优先选择参数来识别特定领域的隐喻表达。CorMet系统的出现表明了基于大规模语料的计算隐喻识别方法正悄然兴起。同时也出现了与各种计算模型相配套的隐喻知识库，例如MetaBank, Metalude等，这些知识库的设计风格迥然不同，各有侧重。

隐喻计算模型国内研究不多，不过最近两年有一些讨论。例如：俞士汶教授从自然语言理解角度提出了“郎平是个铁榔头”、古诗词等多个层面的隐喻理解问题[17]，周昌乐教授和他的学生们在隐喻逻辑推理方面的探索[18-21]，袁毓林教授的容器、套件隐喻研究[22]。除此之外，还有台湾学者黄居仁教授、安可思教授利用WordNet、SUMO等语义资源所做的隐喻映射研究[23]，等等。总体上讲，汉语的隐喻计算研究还处于起步阶段。