Deep Learning-Based Knowledge Injection for Metaphor Detection: A Comprehensive Review

要約

高度な認知モダリティとしてのメタファーは、ソース領域の漠然とした抽象的な概念を理解するために、ターゲット領域の馴染みのある概念を抽出することによって機能します。
これにより、人間は新しい領域を迅速に理解して習得し、変化する環境に適応することができます。
自然言語コミュニティにおけるメタファー研究の継続的な発展に伴い、近年、知識支援モデルを使用してテキストのメタファーを検出する多くの研究が登場しています。
最近の研究では、さまざまな種類の知識を導入したシステムは、知識を使用しない場合と比べてパフォーマンスが向上し、SOTA に到達しています。
これに基づいて、この論文の目的は、メタファー検出タスクにおける知識注入のための深層学習の応用における研究の進歩についての包括的なレビューを提供することです。
まず、主流の知識と知識注入の原則を体系的に要約し、一般化します。
次に、メタファー検出タスクで使用されるデータセット、評価指標、およびベンチマーク モデルが検査されます。
最後に、知識注入手法が直面している現在の問題を調査し、将来の研究の方向性についての見通しを示します。

要約(オリジナル)

Metaphor as an advanced cognitive modality works by extracting familiar concepts in the target domain in order to understand vague and abstract concepts in the source domain. This helps humans to quickly understand and master new domains and thus adapt to changing environments. With the continuous development of metaphor research in the natural language community, many studies using knowledge-assisted models to detect textual metaphors have emerged in recent years. Compared to not using knowledge, systems that introduce various kinds of knowledge achieve greater performance gains and reach SOTA in a recent study. Based on this, the goal of this paper is to provide a comprehensive review of research advances in the application of deep learning for knowledge injection in metaphor detection tasks. We will first systematically summarize and generalize the mainstream knowledge and knowledge injection principles. Then, the datasets, evaluation metrics, and benchmark models used in metaphor detection tasks are examined. Finally, we explore the current issues facing knowledge injection methods and provide an outlook on future research directions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google