Abstract:
Le metafore sono un meccanismo pervasivo che gli individui usano nel linguaggio di tutti i giorni. Le metafore rappresentano la mappatura di due concetti, ed è imperativo trovare un modo efficace per rappresentarle in un ambiente computazionale. Questo studio mira a esplorare una possibile rappresentazione per aumentare l’accuratezza delle macchine nell’interpretazione metaforica. In particolare, investiga l’uso di vettori per ottenere degli aggettivi che possano descrivere le suddette metafore. Inoltre, poiché nel marketing l’uso delle metafore visive è esteso, lo studio incorpora una classificazione di immagini, formando una pipeline per l’interpretazione di metafore visive.
Gli aggettivi sono stati recuperati con la creazione di una funzione in Python, mentre la classificazione di immagini è stata raggiunta grazie al training di ResNet50 su un dataset personalizzato. Per esaminare l’accuratezza nello scegliere gli aggettivi, è stato distribuito un questionario a persone con un livello di inglese almeno B2. Le risposte sono state analizzate attraverso precision at k. I risultati si dimostrano generalmente concordi con le scelte della macchina, provando quindi la teoria.
I risultati inoltre suggeriscono che la funzione creata per lo studio funziona, e che vale la pena implementare l’approccio in modelli più estesi di NLP. Perciò, il concetto teorico alla base dello studio dovrebbe essere tenuto in considerazione nella creazione di modelli per l’interpretazione metaforica.
