7 隐喻研究未来的发展方向
根据前文描述，大多数计算模型主要是以动词v为核心，通过类似于格框架的一种“v+n”形式表示，如果推断“v+n”存在语义冲突，则进行隐喻表达的识别和分析，这种基于“v+n”的隐喻推理模型只能解决部分问题，汉语中有大量的隐喻并不是“v+n”形式，例如前文提到的“张开理想的翅膀，奔向知识的海洋”这样的隐喻无法识别，因为“张开/v翅膀/n，飞向/v海洋/n”中的v和n没有任何语义冲突，这里决定隐喻的因素并不在动词v上，而在于名词n和其修饰语的搭配上，类似的还有“人间地狱，历史漩涡”等。
语言中有大量的隐喻，虽然隐喻作为人的思维方式，无所不在，但是并不是这些无所不在的隐喻现象都能形式化，例如，小说中的人物形象大多都有隐喻对象，《红楼梦》其实就是一个玉的传说，贾宝玉的前身就是一块玉石，而林黛玉是玉石下的一棵仙草，宝玉和黛玉的爱情悲剧实际上就是绛珠仙草以毕生之泪还报“石头”浇水之情的隐喻。同时在文学作品中可能还有更深刻、更隐蔽的对社会的影射和批判。这样复杂的篇章隐喻，语言信息处理的隐喻研究还无法实现，因此面向自然语言处理的汉语隐喻研究的界定很重要。
另外由于文化背景的不同，不同语言所表现的隐喻表达也有差别，例如，汉语中有“阳光总在风雨后，不经历风雨怎能见彩虹”的隐喻表达，该种表达英文中很少见到。汉语中关于名词的隐喻表达到底有多少？在语言中的分布如何？汉语隐喻模型设计时对隐喻表达如何界定？这些研究无论对于隐喻的认知研究还是计算研究的定位都是有价值的。
据此，汉语隐喻计算研究有待拓展的领域可以从以下几个方面考虑。
（1）注重隐喻现象的全面描写和分类研究。
隐喻是人类思维的方式，贯穿语言研究的历史，而且渗透在语言的各个层面，隐喻研究涉及一个层级的概念，应该对语言不同层次的隐喻现象进行考察，然后给出面向中文信息处理的隐喻现象分类。
（2）隐喻标注语料库和知识库的建造。
从目前的发展趋势看，隐喻计算方法已经处于由单纯的知识推理逐步向基于大规模语料的统计方法转变的过程中，由此隐喻语言知识工程的建设也得到了应有的重视。如果能够把汉语的隐喻描写同大规模语料结合起来，把隐喻的描写成果标注到语料库中，这样机器就可以在此基础上自动学习。目前汉语的隐喻标注语料库和隐喻知识库方面还是空白，如果能够小规模地加工标注隐喻文本，对于汉语隐喻形式化描写和隐喻模型设计都是有帮助的。
（3）尝试规则和统计相结合的隐喻识别模型的建造。
计算隐喻研究从规则推理的方法到基于统计的方法经历了漫长的过程，两种方法孰好孰坏还不能定论，但是有一点可以肯定，就是随着大规模语料库的出现，关注从语料库中提取隐喻知识可以在一定程度上弥补规则方法知识库建造方面的不足。这是一个值得我们注意的新的研究方向。
因此我们的策略是将自然语言处理的分类技术引入名词短语隐喻识别研究，隐喻问题被描述成一个隐喻与字面义的分类问题。充分利用隐喻标注资源和人工归纳的语言学知识，通过最大熵方法、朴素贝叶斯方法的隐喻建模，进行了两种模型的窗口比较实验，然后再结合CCD概念词典建立隐喻表达的推理机制来提高识别效果。
致谢：本文在撰写过程中，得到导师俞士汶教授的细心指导，黄居仁教授、王厚峰副教授也对此提出了很好的建议，在此表示诚挚谢意。
参考文献：
[1] 束定芳，2000, 《隐喻学研究》，上海：上海外语教育出版社。
[2] 蓝纯，2005, 《认知语言学与隐喻研究》，北京：外语教学与研究出版社。
[3] 赵艳芳，2002, 《认知语言学概论》，上海：上海外语教育出版社。
[4] 胡壮麟，2004, 《认知隐喻学》，北京：北京大学出版社。
[5] 李福印，2004, 《应用认知语言学：概念隐喻与意像图式在英语学习中的应用》，北京：中国文史出版社。
[6] Lakoff, G., Johnson, Mark. Metaphors We Live By [M]. Chicago: University of Chicago Press, 1980.
[7] Fass, D., Met*: A Method for Discriminating Metonymy and Metaphor by Computer [C].Association for Computational Linguistics.1991,17. Number 1.
[8] Martin, J. H., A Computational Model of Metaphor Interpretation [M]. NY:Academic Press. 1990.
[9] Gentner, D., Structure-Mapping :A Theoretical Framework for Analogy [J]. Cognitive Science.1983. 7: 155-170.
[10] Gentner, D., Falkenhainer, B., and Skorstad, J. Viewing metaphor as analogy [C]. In Helman, D., editor, Analogical Reasoning. Kluwer Academic Publishers.1988.
[11] Holyoak, K. J., Thagard, P. Analogical Mapping by Constraint Satisfaction [J]. Cognitive Science.1989, Vol.13: 295-355.
[12] Veale, T., Metaphor, Memory and Meaning: Symbolic and Connectionist Issues in Metaphor Interpretation [D].1995.
[13] Ortony, A., Beyond Literal Similarity [J]. Psychological Review. 1979（86）:161-180.
[14] Weiner, E.J., A Knowledge Representation Approach to Understanding Metaphors [J]. Computational Linguistics.1984. 10（1）: 1-14.
[15] Aarts, J., M. & J. P. Calbert. Metaphor and Non-Metaphor: The Semantics of Adjective-Noun Combinations[C]. Tubingen: Niemeyer. 1979.
[16] Mason, Z. CorMet: A Computational, Corpus-Based Conventional Metaphor Extraction System, Computational Linguistics, 2004, 30（1）: 23-44.
[17] 俞士汶，2003，语料库与综合型语言知识库的建设，《中文信息处理若干重要问题》，北京：科学出版社。
[18] 周昌乐，2004，隐喻、类比逻辑与可能世界，《外国语言文学研究》第4期。
[19] 张威、周昌乐，2004，汉语隐喻理解的逻辑描述初探，《中文信息学报》第5期。
[20] 杨芸、周昌乐，2004，基于机器理解的汉语隐喻分类研究初步，《中文信息学报》第4期。
[21] 戴帅湘，2005，汉语隐喻分类识别的计算方法研究，厦门大学硕士学位论文。
[22] 袁毓林，2004，容器隐喻、套件隐喻及相关的语法现象——词语同现限制的认知解释和计算分析，《中国语文》第3期。
[23] Ahrens, Kathleen, Chu-Ren Huang, and Siaw-Fong Chung, Conceptual Metaphors: Ontology-based Representation and Corpora Driven Mapping Principles [C]. Proceedings of the ACL Workshop on Lexicon and Figurative Language, Sapporo, Japan: 2003.7:35-41.
[24] Wilks, Y., A Preferential Pattern-Seeking Semantics for Natural Language Inference [J]. Artifi cial Intelligence.1975.6:53-74.
[25] Gerrig, R. J., Empirical constraints on computational theories of metaphor:Comments on indurkhya [J]. Cognitive Science.1989,13（2）:235-241.
[26] Falkenhainer, B. Forbus, K. D.and Gentner, D., The Structure-mapping Engine: Algorithm and Examples [J] . Artifi cial Intelligence.1986,41:1-63.
[27] Steinhart, E.C., The Logic of Metaphor: Analogous Parts of Possible Worlds [M]. Dordrecht: Kluwer Academic Publishers.2001.
[28] Martin, J. H. Conventional Metaphor and the Lexicon, in Lexical Semantic and Knowledge Representation [J]. J. Pustejovsky and S. Bergler（Eds）, Spring-Verlag. Lecture Notes in Artifi cial Intelligence.Berlin.1992.
[29] Sun, R., A Microfeature Based Approach Towards Metaphor Interpretation[C], in The International Joint Conference on Artificial Intelligence（IJCAI'95）. Morgan Kaufmann: California.1995: 424-430.
[30] Mason, Z. A Computational Corpus-Based Metaphor Extraction System, Ph.D. thesis, Brandeis University, 2002.
[31] Resnik, P., Selection and Information: A Class Based Approach to Lexical Relationships[D].University Pennsylvania: Pennsylvania 1993.
[32] Kintsch, W., Metaphor Comprehension: A computational theory [J]. Psychonomic Bulletin & Review, 2000,7: 257-266.
[33] Martin, J. H., MetaBank: A Knowledge-Base of Metaphoric Language Convention [J], Computational Intelligence,1994, 10（2）: 134-139.
[34] Goatly, A., Metaphor at Lingnan University Department of English [EB]. http://www.ln.edu.hk/lle/cwd03/lnproject/introduction.html.
[35] Carina Eilts, Birte Lönneke, 2002 The Hamburg Metaphor Database[EB]. http://www.metaphorik.de/03/eiltsloenneker.pdf.
（原载《中文信息学报》2006年第4期）