Abstracts
Résumé
Cet article propose un état des lieux des méthodes de détection manuelle et automatique de métaphores en vue par la suite d’une meilleure compréhension d’une science sociale. L’objectif est tout d’abord d’avoir une vue synthétique et organisée des différentes théories et méthodologies (formant à chaque fois des espaces possibles différents de détection) pour mieux orienter la recherche sur cette question difficile. Ensuite, chaque espace a été approfondi pour mieux comprendre ses potentialités, ses limites et ses articulations avec les autres espaces. L’aspect protéiforme des métaphores oblige à cet exercice important à la fois de synthèse et de détail, car c’est en combinant les spécialisations des différents espaces qu’on pourra améliorer la détection globale de ce trope aux définitions multiples. Enfin, il s’agit, à travers cet article, de reconstruire un cadre intégrateur pour appréhender simultanément les détections manuelles et automatiques, car elles sont souvent traitées de manière indépendante du fait des spécialisations alors qu’elles traitent d’un problème commun.
Mots-clés :
- Métaphore,
- détection automatique et manuelle,
- espace,
- méthode,
- théorie
Abstract
This paper proposes an inventory of methods for automatic and manual metaphor detection in order to give a better understanding of a social science, namely Geography. At first, we aim at obtaining a synthetic and organized view of the different theories and methodologies (each forming a different possible “detection space”). This view might foster the design of future lines of research to address this difficult issue. Then, we explore each space to get its potentialities, limits and articulations with the other spaces. The multifaceted nature of metaphors leads us to carry out an important synthetic and detailed work. We claim that the combination of those specialized spaces enables the researcher to improve the detection of metaphor for this stylistic figure can be defined in multiple ways. Finally, we reconstruct an integrating framework for thinking simultaneously manual and automatic detection. It turns out that these two viewpoints are often discussed independently, although they deal with a common problem.
Keywords:
- Metaphor,
- Automatic and Manual Detection,
- Space,
- Method,
- Theory
Appendices
Bibliographie
- Alexander, Marc et al., « Metaphor, Popular Science, and Semantic Tagging: Distant Reading with the Historical Thesaurus of English », Digital Scholarship in the Humanities, no 30, 2015, p. 16-27.
- Aristote, Rhétorique, Paris, Flammarion, 2007.
- Assaf, Dan et al., « Why “Dark Thoughts” Aren’t Really Dark: A Novel Algorithm for Metaphor Identification », Proceedings of the IEEE Symposium Series on Computational Intelligence, Singapore, 2013, p. 60-65.
- Baumer, Eric, Bill Tomlinson et Lindsey Richland, « Computational Metaphor Identification: A Method for Identifying Conceptual Metaphors in Written Text », Proceedings of Analogy ‘09, Sofia, 2009, p. 20-29.
- Beger, Anke, « Deliberate Metaphors? An Exploration of the Choice and Functions of Metaphors in US-American College Lectures », Metaphorik.de, no 20, 2011, p. 39-60.
- Benoist, Jocelyn et Fabio Merlini, Historicité et spatialité : recherches sur le problème de l’espace dans la pensée contemporaine, Paris, Vrin, 2001.
- Boussidan, Armelle, Dynamics of Semantic Change: Detecting, Analyzing and Modeling Semantic Change in Corpus in Short Diachrony, thèse de doctorat, Lyon 2, 2013.
- Brunet, Roger, Robert Ferras et Hervé Théry, Les mots de la géographie. Dictionnaire critique, 3e édition, Paris, Reclus, La Documentation française, 1993.
- Busino, Giovanni, « La place de la métaphore en sociologie », Revue européenne des sciences sociales, vol. XLI, no 126, 2003, p. 91-101, https://ress.revues.org/539, consulté le 2 février 2017.
- Claval, Paul, « Quelques orientations actuelles de la réflexion épistémologique en géographie : systèmes, structures et métaphores », Paralelo, vol. 37, nos 8-9, 1985, p. 171-179.
- Deignan, Alice, Metaphor and Corpus Linguistics, Amsterdam, John Benjamins Publishing Company, 2005.
- Desalle, Yann, Réseaux lexicaux, métaphore, acquisition : une approche interdisciplinaire et inter-linguistique du lexique verbal, thèse de doctorat, Toulouse 2, 2012.
- Dunn, Jonathan, « Evaluating the Premises and Results of Four Metaphor Identification Systems », Computational Linguistics and Intelligent Text Processing, Conference Proceedings of CICLing’13, Samos, 2013, p. 471-486.
- Dunn, Jonathan, « Measuring Metaphoricity », Proceedings of the 52nd Annual Meeting of the Association for Computational Linguistics (Short Papers), 2014, p. 745-751.
- Fass, Dan, « Met*: A Method for Discriminating Metonymy and Metaphor by Computer », Computational Linguistics, vol. 17, no 1, 1991, p. 49-90.
- Gentner, Dedre et Arthur B. Markman, « Structure Mapping in Analogy and Similarity », American psychologist, vol. 52, no 1, 1997, p. 45-56.
- Heintz, Ilana et al., « Automatic Extraction of Linguistic Metaphors with LDA Topic Modeling », Proceedings of the First Workshop on Metaphor in NLP, Atlanta (GA), 2013, p. 58-66.
- Hovy, Dirk et al., « Identifying Metaphorical Word Use with Tree Kernels », Proceedings of the First Workshop on Metaphor in NLP, Atlanta (GA), 2013, p. 52-57.
- Lakoff, George et Mark Johnson, Metaphors We Live by, Chicago, University of Chicago Press, 2008 [1980].
- Lau, Jey Han et al., « Learning Word Sense Distributions, Detecting Unattested Senses and Identifying Novel Senses Using Topic Models », Proceedings of the 52nd Annual Meeting of the Association for Computational Linguistics, Baltimore (MD), 2014, p. 259-270.
- Lönneker-Rodman, Birte, « The Hamburg Metaphor Database Project: Issues in Resource Creation », Language Resources and Evaluation, vol. 42, no 3, 2008, p. 293-318.
- Ollinger, Sandrine, Le raisonnement analogique en lexicographie, son informatisation et son application au Réseau Lexical du Français, thèse de doctorat, Université de Lorraine, 2014.
- Pichon, Ronan et Pascale Sébillot, « Différencier les sens des mots à l’aide du thème et du contexte de leurs occurrences : une expérience », 6e conférence francophone internationale sur le Traitement Automatique des Langues Naturelles (TALN 99), 1999.
- Reutenauer, Coralie, Vers un traitement automatique de la néosémie : approche textuelle et statistique, thèse de doctorat, Université de Lorraine, 2012.
- Shutova, Ekaterina et Lin Sun, « Unsupervised Metaphor Identification Using Hierarchical Graph Factorization Clustering », Proceedings of NAACL 2013, Atlanta (GA), 2013, p. 978-988.
- Steen, Gerard J., « From Linguistic to Conceptual Metaphor in Five Steps », Amsterdam Studies in the Theory and History of Linguistic Science, series 4, 1999, p. 57-78.
- Steen, Gerard J., « When is Metaphor Deliberate », Selected Papers from the Stockholm, 2008, p. 43-63.
- Stefanowitsch, Anatol, « Words and their Metaphors: A Corpus-Based Approach », Corpus-Based Approaches to Metaphor and Metonymy, Berlin, Mouton de Gruyter, 2006, p. 63-105.
- Strzalkowski, Tomek et al., « Robust Extraction of Metaphor from Novel Data », Proceedings of the First Workshop on Metaphor in NLP, Atlanta (GA), 2013, p. 67-76.
- Turney, Peter et al., « Literal and Metaphorical Sense Identification through Concrete and Abstract Context », Proceedings of the Conference on Empirical Methods in Natural Language Processing, 2011, p. 680-690.
- Vandaele, Sylvie et al., « La conceptualisation métaphorique en biomédecine : indices de conceptualisation et réseaux lexicaux », Glottopol, vol. 8, 2006, p. 73-94.
- Wilks, Yorick, « Making Preferences more Active », Artificial Intelligence, vol. 11, no 3, 1978, p. 197-223.