ترجمه فارسی مقاله مروری بر وظیفه مشترک NLPCC 2024 در مورد تولید استعاره چینی

چکیده

This paper presents the results of the shared task on Chinese metaphor generation, hosted at the 13th CCF Conference on Natural Language Processing and Chinese Computing (NLPCC 2024). The goal of this shared task is to generate Chinese metaphors using machine learning techniques and effectively identifying basic components of metaphorical sentences. It is divided into two subtasks: 1) Metaphor Generation, which involves creating a metaphor from a provided tuple consisting of TENOR, GROUND, and VEHICLE. The goal here is to synthesize a metaphor that connects the subject (i.e. TENOR) with the object (i.e. VEHICLE), guided by the concept of the GROUND. 2) Metaphor Components Identification, which extracts the most fitting TENORs, GROUNDs, and VEHICLEs from a metaphorical sentence. This component requires the identification of the most fitting metaphor elements that correspond to the specified grounds. In addition to overall results, we report on the setup and insights from the metaphor generation shared task, which attracted a total of 4 participating teams across both subtasks.

چکیده به فارسی (ترجمه ماشینی)

در این مقاله نتایج کار مشترک در تولید استعاره چینی ، میزبان سیزدهمین کنفرانس CCF در مورد پردازش زبان طبیعی و محاسبات چینی (NLPCC 2024) ارائه شده است.هدف از این کار مشترک تولید استعاره های چینی با استفاده از تکنیک های یادگیری ماشین و شناسایی مؤثر مؤلفه های اساسی جملات استعاری است.این ماده به دو زیرنویس تقسیم می شود: 1) تولید استعاره ، که شامل ایجاد استعاره از یک تاپل ارائه شده متشکل از تنور ، زمین و وسیله نقلیه است.هدف در اینجا سنتز استعاره ای است که موضوع (یعنی تنور) را با جسم (یعنی وسیله نقلیه) متصل می کند ، با هدایت مفهوم زمین.2) شناسایی مؤلفه های استعاره ، که متناسب ترین تنورها ، زمین ها و وسایل نقلیه را از یک جمله استعاری استخراج می کند.این مؤلفه نیاز به شناسایی متناسب ترین عناصر استعاره دارد که مطابق با زمینه های مشخص شده است.علاوه بر نتایج کلی ، ما در مورد راه اندازی و بینش از کار مشترک نسل استعاره گزارش می دهیم ، که در مجموع 4 تیم شرکت کننده را در هر دو زیرنویس جذب می کند.