論文の概要: Learning the Cue or Learning the Word? Analyzing Generalization in Metaphor Detection for Verbs

• arxiv url: http://arxiv.org/abs/2604.13713v1
• Date: Wed, 15 Apr 2026 10:48:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-16 20:38:32.492053
• Title: Learning the Cue or Learning the Word? Analyzing Generalization in Metaphor Detection for Verbs
• Title（参考訳）: 質問文や単語の学習 : 動詞のメタファー検出における一般化の分析
• Authors: Sinan Kurtyigit, Sabine Schulte im Walde, Alexander Fraser,
• Abstract要約: 我々は、多くの最先端システムの共有バックボーンであるRoBERTaを用いてメタファ検出を解析し、英語の動詞に着目した。 本稿では,選択された目標レムマのすべてのインスタンスを微調整から厳格に除外する,制御された語彙ホールドアウト設定を導入し,これらのヘルドアウトレムマの露光レムマに対する予測を比較した。 モデルはExpposed lemmasで最高のパフォーマンスを発揮するが、Held-out lemmasでは堅牢なパフォーマンスを維持している。
• 参考スコア（独自算出の注目度）: 54.86138668387175
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Metaphor detection models achieve strong benchmark performance, yet it remains unclear whether this reflects transferable generalization or lexical memorization. To address this, we analyze generalization in metaphor detection through RoBERTa, the shared backbone of many state-of-the-art systems, focusing on English verbs using the VU Amsterdam Metaphor Corpus. We introduce a controlled lexical hold-out setup where all instances of selected target lemmas are strictly excluded from fine-tuning, and compare predictions on these Held-out lemmas against Exposed lemmas (verbs seen during fine-tuning). While the model performs best on Exposed lemmas, it maintains robust performance on Held-out lemmas. Further analysis reveals that sentence context alone is sufficient to match full-model performance on Held-out lemmas, whereas static verb-level embeddings are not. Together, these results suggest that generalization is primarily driven by "learning the cue" (transferable contextual patterns), while "learning the word" (verb-specific memorization) provides an additive boost when lexical exposure is available.
• Abstract（参考訳）: メタファー検出モデルは強力なベンチマーク性能を得るが、それが伝達可能な一般化や語彙記憶を反映しているかどうかは不明である。 そこで我々は,VU Amsterdam Metaphor Corpus を用いた英語動詞に着目し,多くの最先端システムの共有バックボーンであるRoBERTaを用いてメタメタファ検出の一般化を解析した。 我々は,選択された目標レムマのすべてのインスタンスを微調整から厳格に除外する,制御された語彙的ホールドアウト設定を導入し,これらのヘルドアウトレムマの露光レムマに対する予測(微調整中に見られるバーブ)を比較した。 モデルはExpposed lemmasで最高のパフォーマンスを発揮するが、Held-out lemmasでは堅牢なパフォーマンスを維持している。 さらに分析した結果, 文文脈だけではHeld-out lemmasのフルモデル性能に適合するが, 静的な動詞レベルの埋め込みはそうではないことがわかった。 これらの結果から, 一般化は主として"cue"(伝達可能な文脈パターン)を学習し, 単語を学習する"verb-specific memorization"(頂点固有の記憶)は語彙的露出が利用可能であるときに付加的な促進をもたらすことが示唆された。

関連論文リスト

• Floating or Suggesting Ideas? A Large-Scale Contrastive Analysis of Metaphorical and Literal Verb-Object Constructions [53.690096725532726]
  本研究では,2Mコーパス文中の297の英語動詞オブジェクト対(例:float idea vs. suggest idea)を分析した。 5つのNLPツールを用いて,感情的,語彙的,統語的,言論的な特徴を捉えた認知的・言語的特徴2,293点を抽出した。 クロスペアの結果は, 語彙頻度, 凝集度, 構造規則性が高く, 比喩的文脈は感情負荷, イメージ性, 語彙多様性, 構造的特異性を示す。
  論文  参考訳（メタデータ） (2026-04-09T14:08:57Z)
• LANE: Lexical Adversarial Negative Examples for Word Sense Disambiguation [3.506940838682547]
  きめ細かい単語の意味論は、ニューラルネットワークモデルにとって依然として重要な課題である。 本稿では,この制限に対処するため,LANEと呼ばれる新たな対人訓練戦略を提案する。
  論文  参考訳（メタデータ） (2025-11-14T12:37:20Z)
• Enhancing Metaphor Detection through Soft Labels and Target Word Prediction [3.7676096626244986]
  メタファ検出に特化して設計された即時学習フレームワークを開発した。 また,有意義なソフトラベルを生成する教師モデルも導入する。 実験により,本モデルが最先端の性能を達成したことを示す。
  論文  参考訳（メタデータ） (2024-03-27T04:51:42Z)
• Transition-based Abstract Meaning Representation Parsing with Contextual Embeddings [0.0]
  本研究では,意味解析のタスクにおいて,言語モデルと記号意味論の定式化という,言語の意味への最も成功したルートを2つ組み合わせる手法について検討する。 本稿では,事前学習した文脈認識単語の埋め込み(BERTやRoBERTaなど)を解析問題に組み込むことの有用性について検討する。
  論文  参考訳（メタデータ） (2022-06-13T15:05:24Z)
• Does BERT really agree ? Fine-grained Analysis of Lexical Dependence on a Syntactic Task [70.29624135819884]
  目的の構文テンプレート上で,BERTが語彙非依存の主観値数アグリーメント(NA)を実行できる範囲について検討した。 名詞文では,単純なテンプレートに対してモデルがよく一般化されるが,1つのアトラクターが存在する場合,語彙非依存の構文一般化を行うことができないことが示唆された。
  論文  参考訳（メタデータ） (2022-04-14T11:33:15Z)
• Did the Cat Drink the Coffee? Challenging Transformers with Generalized Event Knowledge [59.22170796793179]
  Transformers Language Models (TLMs) を数学的適合のテクトダイナミックな評価のためのベンチマークで検証した。 以上の結果から, TLM は SDM に匹敵する性能が得られることが示された。 しかし、さらなる分析は、TLMがイベント知識の重要な側面を捉えていないことを一貫して示唆している。
  論文  参考訳（メタデータ） (2021-07-22T20:52:26Z)
• Infusing Finetuning with Semantic Dependencies [62.37697048781823]
  シンタックスとは異なり、セマンティクスは今日の事前訓練モデルによって表面化されないことを示す。 次に、畳み込みグラフエンコーダを使用して、タスク固有の微調整にセマンティック解析を明示的に組み込む。
  論文  参考訳（メタデータ） (2020-12-10T01:27:24Z)
• On Vocabulary Reliance in Scene Text Recognition [79.21737876442253]
  ボキャブラリ内の単語を持つ画像に対して、手法は良好に機能するが、ボキャブラリ外の単語を持つ画像にはあまり一般化しない。 私たちはこの現象を「語彙依存」と呼んでいる。 本研究では,2家族のモデルが協調的に学習できるようにするための,シンプルで効果的な相互学習戦略を提案する。
  論文  参考訳（メタデータ） (2020-05-08T11:16:58Z)
• Lexical Semantic Recognition [15.944476972081345]
  我々はニューラルCRFシークエンスタグを訓練し、アノテーションの様々な軸に沿ってその性能を評価する。 我々の研究は、語彙意味論の統合的かつ正確なモデリングのためのベースラインモデルと評価指標を確立する。
  論文  参考訳（メタデータ） (2020-04-30T17:52:11Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。