要旨: 本研究では、Fuyamaらによって提案された不確定な自然変換の理論（TINT）に基づく比喩理解モデルのための計算機実装を開発した。モデルを実現するアルゴリズムを、元の理論により近づけるために簡略化し、データフィッティングとシミュレーションによって検証した。アルゴリズムの出力は、3つの指標で評価する。すなわち、実験データによるデータフィッティング、比喩理解結果の体系性、そして理解の新規性（すなわち、比喩の源と対象における連想構造の対応）である。改良したアルゴリズムは、3つの指標すべてにおいて既存手法を上回った。
カテゴリー論的メタファー理解モデルの計算機実装
arXiv cs.CL / 2026/4/14
📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、Fuyamaらによる「不確定自然変換の理論（TINT）」に基づくメタファー理解モデルの計算機実装を提示する。
- 著者らは、元の理論的枠組みにより適合するように、アルゴリズムを簡略化し、かつ洗練する。
- このアプローチは、データへの当てはめとシミュレーション実験によって検証される。評価基準は、正確さ、体系性、ならびに「新規性」を含み、「新規性」はソース—ターゲットの連想的構造対応関係によって定義される。
- 改善されたアルゴリズムは、報告によれば、3つの評価指標すべてにおいて既存の実装を上回る。
