Titolo:
Bright ideas, smart colors – metaphor detection and grading through neural networks
Data di Inizio:
03/07/2017
Data di Fine:
03/07/2017
Data:
06/07/2017
Città:
Pisa
Luogo:
ILC-CNR – Aula Seminari IBF SG 5
Descrizione:
Presenterò due esperimenti nel mio lavoro sul linguaggio figurativo.
Nel primo esperimento, utilizziamo una rete neuronale interamente collegata per distinguere espressioni aggettivo-nome metaforiche (ad esempio, “voce fredda”) dalle espressioni letterali (ad esempio, “acqua fredda”). Mostriamo che i nostri risultati superano lo stato dell’arte e che questo approccio consente di distinguere le metafore dalle frasi letterali con alta precisione, determinando anche un “grado di metaforicità” per una determinata espressione.
Nel secondo esperimento (più di un lavoro in corso) usiamo una profonda combinazione di reti neurali convolutive e di memoria a lungo termine per classificare possibili parafrasi di una data metafora su una scala da 1 a 5. A differenza di approcci precedenti, abbiamo testato il nostro metodo su diverse categorie grammaticali (sostantivi, aggettivi e verbi metaforici nonché metafore “multiword”) e abbiamo introdotto variazioni sintattiche e stilistiche nelle parafrasi candidate.
Il punto fondamentale del mio lavoro è che per affrontare ragionevolmente la figuratività abbiamo bisogno di assumere un approccio sfumato: qualsiasi testo ha un grado di figuratività e un certo numero di interpretazioni possibili.
Nel primo esperimento, utilizziamo una rete neuronale interamente collegata per distinguere espressioni aggettivo-nome metaforiche (ad esempio, “voce fredda”) dalle espressioni letterali (ad esempio, “acqua fredda”). Mostriamo che i nostri risultati superano lo stato dell’arte e che questo approccio consente di distinguere le metafore dalle frasi letterali con alta precisione, determinando anche un “grado di metaforicità” per una determinata espressione.
Nel secondo esperimento (più di un lavoro in corso) usiamo una profonda combinazione di reti neurali convolutive e di memoria a lungo termine per classificare possibili parafrasi di una data metafora su una scala da 1 a 5. A differenza di approcci precedenti, abbiamo testato il nostro metodo su diverse categorie grammaticali (sostantivi, aggettivi e verbi metaforici nonché metafore “multiword”) e abbiamo introdotto variazioni sintattiche e stilistiche nelle parafrasi candidate.
Il punto fondamentale del mio lavoro è che per affrontare ragionevolmente la figuratività abbiamo bisogno di assumere un approccio sfumato: qualsiasi testo ha un grado di figuratività e un certo numero di interpretazioni possibili.
Relatore/i:
Yuri Bizzoni, Dottorando, Göteborg University
Materiale Promozionale: