Metaphor Analytics: нейросетевой подход к автоматизированному выявлению метафорического речевого воздействия
Метафора является одним из эффективных средств речевого воздействия, что обусловливает значимость научных подходов, нацеленных на комплексный автоматизированный анализ метафор в больших массивах текстовых данных. Особую актуальность в этом контексте приобретает вопрос о способности искусственного интеллекта порождать, интерпретировать и соотносить метафоры с когнитивно-прагматическим контекстом речевого воздействия. Современные инструменты создаются преимущественно западными научными коллективами, зависят от зарубежных технологий, опираются на методологию зарубежной когнитивной лингвистики и разрабатываются на материале англоязычных корпусов. Авторы ставят целью восполнить существующий пробел и с опорой на теоретические достижения отечественной лингвистики и российские технологические решения разработать программу, функционал которой включает выявление и анализ метафор в текстах на русском языке. Методология базируется на теории метафорического речевого воздействия, согласно которой функциональный потенциал метафоры в дискурсе проявляется через совокупность ее репрезентативной, оценочной, персуазивной и суггестивной функций, выявляется на трех взаимосвязанных уровнях (когнитивном, семантическом и коммуникативном) и получает количественную оценку путем расчета индексов метафоричности. Техническая реализация представляет собой гибридную систему на языке Python 3.10+, которая интегрирует промпт-инжиниринг, кодовые правила и возможности генеративной модели YandexGPT (Yandex Cloud Foundation Models API). Последовательность этапов работы включает обучение модели 1) выявлению метафор, их классификации по сфере-мишени и сфере-источнику, созданию метафорических моделей «A есть Б»; 2) идентификации типа метафоры (онтологическая, ориентационная, структурная), ее интенсивности (стертая, средняя, авторская) и оценочной окраски (негативная, позитивная, нейтральная); 3) расчету индексов метафорического речевого воздействия (индексов плотности, интенсивности и типологии) и интерпретации результатов. Результатом является программа «Metaphor Analytics» с функционалом для выявления, классификации и анализа метафор, которая заполняет существующий пробел в инструментах автоматической обработки метафор в текстах на русском языке.
Иллюстрации
Калинин О. И., Солопова О. А., Солопов А. Д. Metaphor Analytics: нейросетевой подход к автоматизированному выявлению метафорического речевого воздействия // Научный результат. Вопросы теоретической и прикладной лингвистики. 2026. Т. 12. № 2. C. 111–138.
Пока никто не оставил комментариев к этой публикации.
Вы можете быть первым.
Баранов А. Н. Дескрипторная теория метафоры. М.: Языки славянской культуры, 2014. 632 с.
Калинин О. И. Метафорическое речевое воздействие // Когнитивные исследования языка. 2022. Т. 51. № 4. С. 229-234.
Калинин О. И. Метафорическое речевое воздействие в медиадискурсе торговой войны между КНР и США // Вестник Новосибирского государственного университета. Серия: Лингвистика и межкультурная коммуникация. 2023. Т. 21. № 4. С. 70-84. https://doi.org/10.25205/1818-7935-2023-21-4-70-84
Калинин О. И. Возможности нейросетевых технологий в исследовании метафор // Когнитивные исследования языка. 2025. Т. 62. № 1-2. С. 437-441.
Калинин О. И., Солопова О. А., Кошкарова Н. Н. Метафора и дискурс: методология лингвистических исследований. М.: Издательский дом ВКН, 2025. 383 с.
Савчук С. О. Национальный корпус русского языка 2.0: новые возможности и перспективы развития / Савчук С. О., Архангельский Т. А., Бонч-Осмоловская А. А., Донина О. В., Кузнецова Ю. Н., Ляшевская О. Н., Орехов Б. В., Подрядчикова М. В. // Вопросы языкознания. 2024. № 2. С. 7-34. https://doi.org/10.31857/0373-658X.2024.2.7-34
Солопова О. А. Ключ к будущему: прогностические смыслы политической метафоры (на материале британских текстов о России периода Великой Отечественной войны) // Вестник Томского государственного университета. Филология. 2020. № 63. С. 161-177. https://doi.org/10.17223/19986645/63/9
Солопова О. А., Кошкарова Н. Н. Образы войны и мира через призму религиозной метафоры (на материале оцифрованных архивных текстов периода Второй мировой войны) // Научный диалог. 2021. № 4. С. 148-167.
Солопова О. А., Кошкарова Н. Н. Микроструктура полиязычного словаря «БРИКС: дискурсивные метафоры» // Вопросы лексикографии. 2025. № 36. С. 26-44. https://doi.org/10.17223/22274200/36/2
Чудинов А. П. Россия в метафорическом зеркале: когнитивное исследование политической метафоры (1991–2000). Екатеринбург: Издательство УрГПУ, 2001. 238 с.
Чудинов А. П., Будаев Э. В., Солопова О. А. 政治隐喻学：认知-话语研究 («Политическая метафорология: когнитивно-дискурсивные исследования»). Пекин: Издательство Пекинского университета, 2023. 256 с.
Al-Tashi Q., Hasan A. M. Word Sense Disambiguation: A Review [Электронный ресурс]. URL: https://osf.io/dbkzm/ (дата обращения: 18.01.2020).
Birke J., Sarkar A. Active learning for the identification of nonliteral language // Proceedings of the Workshop on Computational Approaches to Figurative Language. Rochester, NY, USA, 2007. P. 21–28.
Choi M., Lee S., Choi E., Park H., Lee J., Lee D., Lee J. MelBERT: Metaphor Detection via Contextualized Late Interaction using Metaphorical Identification Theories // Proceedings of the 2021 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies. Online: Association for Computational Linguistics, 2021. P. 1763–1773. https://doi.org/10.18653/v1/2021.naacl-main.141
Charteris-Black J. Politicians and Rhetoric: The Persuasive Power of Metaphor. London: Palgrave Macmillan, 2016.
Cirstea B.-I., Chiru C.-G. Metaphor detection // Proceedings of the 19th International Conference on Control Systems and Computer Science. NW Washington, DC, USA, 2013. P. 210–217. https://doi.org/10.1109/CSCS.2013.74
Comșa I., Eisenschlos J., Narayanan S. MiQA: A benchmark for inference on metaphorical questions // Proceedings of the 2nd Conference of the Asia-Pacific Chapter of the Association for Computational Linguistics and the 12th International Joint Conference on Natural Language Processing. Vol. 2: Short Papers. Online, 2022. P. 373–381.
Dankers V., Rei M., Lewis M., Shutova E. Modelling the interplay of metaphor and emotion through multitask learning // Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing and the 9th International Joint Conference on Natural Language Processing (EMNLP-IJCNLP). Hong Kong, China, 2019. P. 2218–2229. https://doi.org/10.18653/v1/D19-1227
Esbrí-Blasco M. Conceptualización metafórica de la IA en el discurso digital // methaodos.revista de ciencias sociales. 2024. Vol. 12. No. 2. Article m241202a07. https://doi.org/10.17502/mrcs.v12i2.824
Fillmore C. J. Frame Semantics // Linguistics in the Morning Calm / ed. by The Linguistic Society of Korea. Seoul, Korea: Hanshin Publishing Co, 1982. P. 111–137.
Fleiss J. L. Measuring nominal scale agreement among many raters // Psychological Bulletin. 1971. Vol. 76. No 5. P. 378–382. https://doi.org/10.1037/H0031619
Florou E., Perifanos K., Goutsos D. Neural embeddings for metaphor detection in a corpus of Greek texts // 2018 9th International Conference on Information, Intelligence, Systems and Applications (IISA). Zakynthos, Greece, 2018. P. 1–4.
Gao G., Choi E., Choi Y., Zettlemoyer L. Neural metaphor detection in context // Proceedings of the 2018 Conference on Empirical Methods in Natural Language Processing. Brussels, Belgium, 2018. P. 3744–3753. https://doi.org/10.18653/v1/D18-1060
Gedigian M., Bryant J., Narayanan S., Ciric B. Catching metaphors // Proceedings of the Third Workshop on Scalable Natural Language Understanding. New York City, NY, USA, 2006. P. 41–48.
Hashimoto C., Kawahara D. Compilation of an idiom example database for supervised idiom identification // Language Resources and Evaluation. 2009. Vol. 43. No. 4. P. 355–384. https://doi.org/10.1007/s10579-009-9104-1
Jurafsky D., Martin J. H. Speech and Language Processing: An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition with Language Models [Электронный ресурс]. URL: https://web.stanford.edu/~jurafsky/slp3. (дата обращения: 12.12.2025).
Kalinin O. I., Ignatenko A. V. Metaphor power in the context of the author’s opinion expression and perception // Russian Journal of Linguistics. 2024. Vol. 28. No. 1. P. 166–189. https://doi.org/10.22363/2687-0088-34791
Köper M., Schulte im Walde S. Improving verb metaphor detection by propagating abstractness to words, phrases and individual senses // Proceedings of the 1st Workshop on Sense, Concept and Entity Representations and their Applications. Valencia, Spain, 2017. P. 24–30.
Krishnakumaran S., Zhu X. Hunting elusive metaphors using lexical resources // Proceedings of the Workshop on Computational Approaches to Figurative Language. Rochester, NY, USA, 2007. P. 13–20.
Lakoff G., Johnson M. Metaphors We Live By. Chicago, IL: University of Chicago Press, 1980.
Landis J. R., Koch G. G. The measurement of observer agreement for categorical data // Biometrics. 1977. Vol. 33. No. 1. P. 159–174. https://doi.org/10.2307/2529310
Landtsheer Ch. de. Collecting political meaning from the count of metaphor // Metaphor and Discourse / ed. by A. Musolff, J. Zinken. London: Palgrave Macmillan, 2009. P. 59–78.
Leong C. W., Beigman Klebanov B., Shutova E. A Report on the 2018 VUA Metaphor Detection Shared Task // Proceedings of the Workshop on Figurative Language Processing. New Orleans, Louisiana, 2018a. P. 56–66. https://doi.org/10.18653/v1/W18-0907
Leong C. W., Beigman Klebanov B., Shutova E. A comparison of features for the automatic classification of literal and metaphorical uses of German particle verbs // Proceedings of the Workshop on Figurative Language Processing. New Orleans, Louisiana, 2018b. P. 71–76.
Leong C. W., Beigman Klebanov B., Hamill C., Stemle E., Ubale R., Chen X. A report on the 2020 VUA and TOEFL metaphor detection shared task // Proceedings of the Second Workshop on Figurative Language Processing. Online, 2020. P. 18–29.
Levchenko O., Romanyshyn N., Dosyn D. Method of automated identification of metaphoric meaning in adjective + noun word combinations (based on the Ukrainian language) // Workshop Proceedings of the 8th International Conference on “Mathematics. Information Technologies. Education”, MoMLeT&DS-2019. Shatsk, Ukraine, 2019. P. 370–380.
Martin J. H. A Computational Model of Metaphor Interpretation. London: Academic Press Professional Inc., 1990.
Neuman Y., Assaf D., Cohen Y., Last M., Argamon S., Howard N. et al. Metaphor identification in large texts corpora // PLOS ONE. 2013. Vol. 8. No. 4. Article e62343. https://doi.org/10.1371/journal.pone.0062343
Powers D. M. W. Evaluation: From Precision, Recall and F-Measure to ROC, Informedness, Markedness & Correlation // Journal of Machine Learning Technologies. 2011. Vol. 2. No. 1. P. 37–63.
Shutova E., Sun L., Korhonen A. Metaphor identification using verb and noun clustering // Proceedings of the 23rd International Conference on Computational Linguistics (COLING 2010). Beijing, China, 2010. P. 1002–1010.
Shutova E., Teufel S., Korhonen A. Statistical metaphor processing // Computational Linguistics. 2013. Vol. 39. No. 2. P. 301–353. https://doi.org/10.1162/COLI_a_00124
Shutova E., Reichart R., Korhonen A. Neural metaphor detection in context // Proceedings of the 2017 Conference on Empirical Methods in Natural Language Processing. Copenhagen, Denmark, 2017. P. 527–536.
Skrynnikova I. V. Interpreting metaphorical language: A challenge to artificial intelligence // Science Journal of Volgograd State University. Linguistics. 2024. Vol. 23. No. 5. P. 99–107. https://doi.org/10.15688/jvolsu2.2024.5.8
Smith A., Klein D. Interpreting metaphorical language: A challenge to artificial intelligence // AI & Society. 2023. Vol. 38. No. 4. P. 621–635.
Steen G. J., Dorst A. G., Herrmann J. B., Kaal A. A., Pasma T. A. A Method for Linguistic Metaphor Identification: From MIP to MIPVU. Amsterdam: John Benjamins, 2010.
Steen G. J. Deliberate metaphor theory: Basic assumptions, main tenets, urgent issues // Intercultural Pragmatics. 2017. Vol. 14. No. 1. P. 1–24. https://doi.org/10.1515/ip-2017-0001
Torres Rivera L., Oliver A., Coll-Florit M. Metaphorical cognition in ChatGPT and humans // Cognitive Linguistic Studies. 2023. Vol. 10. No. 3. P. 245–266.
Turney P., Neuman Y., Assaf D., Cohen Y. Literal and Metaphorical Sense Identification through Concrete and Abstract Context // Proceedings of the 2011 Conference on Empirical Methods in Natural Language Processing. Edinburgh, Scotland, 2011. P. 680–690.
Veale T., Hao Y. A Fluid knowledge representation for understanding and generating creative metaphors // Proceedings of the 22nd International Conference on Computational Linguistics (COLING). Manchester, UK, 2008. P. 945–952.
Zibin A., Solopova O. A. Metaphors across languages, cultures, and discourses: A research agenda // Russian Journal of Linguistics. 2024. Vol. 28. No. 1. P. 7–32. https://doi.org/10.22363/2687-0088-37837
Zinken J., Hellsten I., Nerlich B. Discourse metaphors // Body, Language, and Mind. Vol. 2: Sociocultural Situatedness / ed. by R. Dirven, R. Frank, T. Ziemke, J. Zlatev. Berlin: Mouton, 2008. P. 363–385.
Материалы исследования
НКРЯ (Национальный корпус русского языка). URL: https://ruscorpora.ru (дата обращения: 08.04.2025).
Свидетельство о государственной регистрации программы для ЭВМ «Metaphor Analytics» № 2025693079 (Роспатент).
Исследование выполнено при поддержке гранта РНФ № 24-18-00049 «Моделирование образа России в медиадискурсе стран БРИКС: фреймы, метафоры, стереотипы».