Key points are not available for this paper at this time.
Le contraste entre le sens contextuel et général d'un mot constitue un indice important pour détecter sa métaphoricité. Dans cet article, nous présentons une architecture de réseau de neurones profonds pour la détection de métaphores qui exploite ce contraste. De plus, nous utilisons également un apprentissage sensible aux coûts en réajustant les exemples, et des caractéristiques de base telles que des évaluations de concrétude, des POS et des caractéristiques basées sur WordNet. Notre système le plus performant atteint un score F1 global de 0,570 dans la catégorie All POS et de 0,605 dans la catégorie Verbs lors de la tâche partagée sur les métaphores 2018.
Swarnkar et al. (Mon,) ont étudié cette question.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: