以電腦挖掘數百萬種隱喻

Researchers mine millions of metaphors through computer-based techniques
http://www.physorg.com/news155311912.html

By Lisa M. Krieger, March 3rd, 2009

聖荷西水星報 -- 隱喻（Metaphors）無法教導，偉大的哲學家亞里斯多德（Aristotle）如此斷言。"那是一種無法從他人那裡學來的東西。" 不過一位電腦科學家與文學史家說，他錯了！

在一個始於史丹佛大學的計畫中，研究者正教導電腦如何分析從柏拉圖（Plato）到品瓊（Pynchon，品欽、聘瓊，後現代主義）的文字，挖掘（mining）數百萬個抽象的片語。（隱喻說法。）

他們正建構一個浩瀚的、可搜尋的資料庫，使得瀏覽自古代荷馬史詩到後現代網際龐克（cyberpunk）小說，以及其間一切事物之單字用法的歷史模式成為可能 -- 例如，"rose" 與 "love"。

"身為一種工具，它提供一種真正強大的、立即考慮許多文學作品的方法，" 英國文學教授 Brad Pasanek 表示，他與老友，以及電腦科學家 D. Sculley 共同參與該計畫。

這項研究標記著有形的、德國語言學家 Harald Weinrich 所謂的隱喻領域（metaphoric field）。"Pasanek 的資料庫是第一個我們真的能夠看見並使用的「隱喻領域」，" Franco Moretti 說，史丹佛一位比較文學教授。"那為一種勇敢的、但未曾全然完整的概念提供了經驗主義的證據。"

這種研究文學的方法，能不可思議的回到公元前約 300 年，例如，那時後亞里斯多德寫下："到目前為止最偉大的事，是成為一位隱語大師，" 這樣的言語可與表面上看似無關的主題 -- 一種「高尚的思想（winged thought）」進行比較。

但二種新趨勢已創造出一種基於電腦的文學研究領域，成為一種新興學科的一部份，稱為「數位人文學科（digital humanities）」，一種運算（computing）以及語言、歷史、哲學與宗教的交叉點。

數位化的圖書館將大量的書籍 -- 包括晦澀的那些 -- 擺在讀者的指尖。利用新的資料挖掘（data mining，資料採礦）與「機器學習（machine learning）」技術，研究者能搜尋包含在那些書籍中的數百萬個字，以研究這些單字如何被使用的微妙轉變。分析這些模式對於語言 -- 以及文化 -- 如何演變提供了洞見。

當 Pasanek 匆匆翻閱他《傲慢與偏見》的陳舊的副本時，其關鍵片語以明亮的顏色強調，想出這個點子。

在 Elizabeth、Darcy 與 Wickham（譯註：該小說的主角）之間糾葛的故事，"使得那些單字一次又一次的浮現，我領悟到，你能夠匆匆翻閱一本小說，並看見這些主題（motifs）以一種顏色的爆發出現，接著又消失。"

電腦取代了上了色的標記，他說。"是有可能追蹤某樣東西何時與何處現身，它的意義是什麼，以及它如何改變，" 他說。

Pasanek 近乎使人著迷的有趣隱喻收集，始於他在史丹佛修他的 Ph.D。首先，他在 Shakespeare、Milton 與 King James Bible（欽定版聖經）等作品的背頁保有一份清單。當清單成長時，他將之移到索引卡片上。

"隱喻是一種基礎的修辭，" 他說。"它們顯示我們如何思考，以及我們所思考的如何隨時間而改變。"

理解到他需要協助，史丹佛的電腦科學家 Matt Jockers 幫他創造了一個數位資料庫，那最初在 2005 年發表。這份清單很快增長到 1000 接著 3000 筆資料。不過這份清單的擴張創造出一種特殊的搜尋挑戰。

"隱喻的本質使它不容易被平常那種樣式比對（pattern matching）演算法所偵測，" Jockers 說。尋找明喻（simile）是一種相當直接了當的任務：某人寫出一個程式，尋找 "like" 以及 "as" 這類型的文字字串。

"在結構上來說，「my love is a red rose（我的愛是一朵紅玫瑰）」這個片語與「my dog is a blue heeler（我的狗是藍色 heeler，譯註：澳大利亞牛狗的原名）」非常類似，" Jockers 說。"前者是隱喻，但後者不是。"

Pasanek 提供隱喻的例子給電腦，並「訓練」機器認得它們。他們寫出程式在可能使用隱喻的單字之間進行 "近似搜尋（proximity searches）"。例如，以 "mind（心智）" 搜尋 100 字元內的 "mint（鑄造、鑄印、薄荷）"，結果找到下列 William Cowper 的詩句：「The mind and conduct mutually imprint（心智與行為相互銘印）/And stamp their image in each other's mint（並將其形象留在彼此的鑄印）」。

類似的技術，Sculley 說，用於垃圾郵件辨識軟體中。

在一項計畫中，他們追蹤對於年輕心智（young mind）逐步形成中的參考。在西元前四世紀，那被當成一種「白板（tabula rasa，譯註：空白的石板，指如白紙般的心靈，那時候紙還沒發明）」來談論。到了 17 世紀，John Locke 稱之為「白紙（blank slate），缺乏一切性格」。在 18 世紀本文中，它被比為一隻「可燒烤的長耳大野兔（roasting jack）」，使人想起「一塊肉正在旋轉式烤肉器上旋轉，被火焰燒烤」這幅景象。當工具變化了 -- 石板、紙、旋轉式烤肉器 -- 參照也跟著變。

雖然這裡有其他隱喻資料庫，不過 Pasanek 表示，他的是最大的而且契合思想的歷史。然而這個資料庫（http://mind.textdriven.com）目前仍在 beta 階段，Pasanek 說，他目前在 Charlottesville 的 Virginia 大學教授文學。在更新時，它遭受到他所謂的「bug plagues（臭蟲瘟疫）」。但隨著時間過去，它將會改善並擴展到更大的視野。

"隱喻是一種事業，而且它訴說著一個完整的故事，" 他說，"關於我們如何思考自身以及這個世界。"

※ 相關報導：

＊ 非破壞壓縮與 AI 獎金？
＊ 電腦理解這些字有何意義（？）
＊ Noesis：語義學的科學搜尋引擎