目录

●前言
1 绪论 1
1.1 研究背景与意义 1
1.2 国内外研究进展 3
1.2.1 国际研究进展 3
1.2.2 国内研究进展 7
1.2.3 跨学科研究与应用 9
1.2.4 研究进展总结 12
1.3 研究问题与挑战 14
1.3.1 理论层面 14
1.3.2 方法论层面 16
1.3.3 应用层面 18
1.3.4 跨文化与跨语言层面 20
1.4 研究目标与内容 22
1.5 本章小结 25
2 理论基础 27
2.1 隐喻的定义、分类与工作机制 27
2.2 隐喻理论 30
2.2.1 CMT 30
2.2.2 MMT 33
2.3 汉语隐喻的特征 35
2.3.1 汉语隐喻的表现形式 35
2.3.2 汉语隐喻的跨模态特征 37
2.3.3 语境因素的影响作用 39
2.4 本章小结 41
3 相关技术与模型 43
3.1 多模态表示与融合技术 43
3.1.1 文本特征提取 43
3.1.2 图像特征提取 48
3.1.3 多模态特征融合 52
3.2 大模型关键技术 55
3.2.1 多模态大语言模型 55
3.2.2 提示学习 58
3.2.3 思维链提示 62
3.2.4 大模型微调 67
3.2.5 模型对齐 71
3.3 本章小结 76
4 汉语多模态隐喻资源构建 78
4.1 引言 78
4.2 数据收集与清洗 81
4.3 标注体系设计 83
4.4 数据标注流程 86
4.5 标注过程与质量控制 89
4.5.1 数据规模与构成 89
4.5.2 标注体系应用反馈 91
4.5.3 标注进度与效率控制 91
4.5.4 标注一致性（Kappa 系数）分析 94
4.5.5 资源分布特征可视化 95
4.6 本章小结 97
5 基于领域知识的隐喻与非隐喻识别 100
5.1 引言 100
5.2 模型设计 101
5.2.1 领域知识抽取模块 101
5.2.2 多模态特征提取与融合模块 101
5.3 实验与分析 102
5.3.1 实验设置与参数 102
5.3.2 实验结果与分析 103
5.3.3 消融实验 106
5.3.4 错误分析 107
5.4 本章小结 109
6 基于思维链提示的隐喻源域与目标域识别 110
6.1 引言 110
6.2 模型设计 110
6.2.1 整体框架 111
6.2.2 基于思维链提示的隐喻映射识别架构 112
6.3 实验与分析 115
6.3.1 实验设置与参数 115
6.3.2 基线模型 115
6.3.3 评价指标 117
6.3.4 实验结果与分析 117
6.3.5 消融实验 121
6.3.6 错误分析 122
6.4 本章小结 123
7 基于多跳推理与跨模态特征融合的隐喻喻底识别 125
7.1 引言 125
7.2 模型设计 126
7.2.1 任务形式化定义 126
7.2.2 方法概述 128
7.2.3 多跳推理机制 129
7.2.4 跨模态特征融合与加权推理策略 130
7.3 实验与分析 132
7.3.1 实验设置与参数 132
7.3.2 实验配置 133
7.3.3 实验结果与分析 134
7.3.4 消融实验 135
7.3.5 错误分析 136
7.4 本章小结 138
8 基于多粒度特征与跨模态协同的隐喻情感分类 140
8.1 引言 140
8.2 模型设计 141
8.2.1 整体框架 141
8.2.2 多粒度特征提取 142
8.2.3 跨模态协同加权模块 144
8.3 实验 145
8.3.1 数据集 145
8.3.2 实验设置 146
8.3.3 基线模型 147
8.3.4 实验结果与分析 148
8.3.5 消融实验 151
8.3.6 错误分析 151
8.4 本章小结 153
9 基于人工智能反馈和方面分析的隐喻情感产生原因生成 154
9.1 引言 154
9.2 方法设计 155
9.2.1 目标大语言模型的微调 156
9.2.2 基于人工智能反馈和方面分析的强化学习 157
9.3 实验 159
9.3.1 数据集 159
9.3.2 实验设置 160
9.3.3 评估指标 161
9.3.4 基线模型 161
9.3.5 实验结果与分析 162
9.3.6 消融实验 164
9.4 本章小结 165
10 总结与展望 166
参考文献 169