隐喻是人类语言与思维的核心机制，也是认知语言学与人工智能交叉研究的前沿课题。汉语多模态隐喻计算旨在赋予计算机在复杂语境下理解并生成隐喻的能力。本书立足于大语言模型时代的前沿技术，系统梳理了隐喻计算的相关研究，并聚焦于汉语多模态隐喻的资源构建、理解与生成技术。在此基础上，本书将相关技术拓展至认知理解、情感分析等自然语言处理任务，并进一步探索其在跨文化交流中的应用价值。通过构建跨模态语义建模的新模式，本书旨在推动汉语隐喻研究从传统人文研究向智能计算方向演进，为语言学与人工智能的深度融合奠定理论与技术基础。

更多科学出版社服务，请扫码获取。

1998-09～2002-07 西安外国语大学 学士 语言学 2003-02～2005-09 英国莱斯特大学 硕士 应用语言学 2012-09～2019-09 大连理工大学 博士 计算机应用技术2019-12～ 至今 大连理工大学 外国语学院 教授 2005-02～2019-11 大连理工大学 软件学院 从助教到讲师副教授 2016-09～2017-09 英国圣安德鲁斯大学 语言与脑认知中心 国家公派访问学者作为通讯作者、第一作者发表论文 19 篇，其中 SCI 检索 8 篇、SSCI 检索 3 篇、EI 检索 5 篇，CSSCI 检索 3 篇。出版著作5部。

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