提 要：批評(píng)隱喻分析（critical metaphor analysis， CMA）作為一種語(yǔ)篇的隱喻分析方法，意在揭示語(yǔ)言使用者的潛在意圖，不但可深化我們對(duì)語(yǔ)言隱喻的理解，還能揭示隱喻在人類思維和交流中的重要作用。隱喻識(shí)別作為CMA分析框架中的一個(gè)關(guān)鍵步驟，為隱喻闡釋和隱喻說(shuō)明等后續(xù)研究工作提供了堅(jiān)實(shí)基礎(chǔ)，是CMA中極其重要且不可或缺的一部分。本研究首先對(duì)CMA中隱喻識(shí)別的融合性和樞紐性進(jìn)行深入討論，探究CMA中隱喻識(shí)別的發(fā)展特性，熟悉CMA的整個(gè)分析框架。同時(shí)，針對(duì)CMA在隱喻識(shí)別中存在的客觀性不足問(wèn)題，提出嘗試結(jié)合大語(yǔ)言模型（ChatGPT）進(jìn)行隱喻識(shí)別的方法，并基于真實(shí)研究案例了解該方法的具體實(shí)踐操作。通過(guò)案例，本研究也對(duì)使用大語(yǔ)言模型（ChatGPT）進(jìn)行隱喻識(shí)別過(guò)程中遇到的問(wèn)題進(jìn)行分析和總結(jié)，希望通過(guò)合理、恰當(dāng)?shù)貞?yīng)用技術(shù)手段，探索人機(jī)協(xié)作的最佳方式，以提升隱喻識(shí)別的客觀性，完善CMA的分析框架，更深入地進(jìn)行語(yǔ)篇的隱喻研究。

關(guān)鍵詞：大語(yǔ)言模型；ChatGPT；批評(píng)隱喻分析；隱喻識(shí)別；隱喻闡釋；隱喻說(shuō)明

中圖分類號(hào)：H08 """"文獻(xiàn)標(biāo)識(shí)碼：A """"文章編號(hào)：1000-0100（2025）01-0047-10

DOI編碼：10.16263/j.cnki.23-1071/h.2025.01.006

A Study on the Applicability of" Large Language Model（ChatGPT）to

Metaphor Identification in Critical Metaphor Analysis

Yu Yan-chun

（School of" Foreign Languages and Literature， Heilongjiang University，" Harbin 150080， China;

School of Foreign Languages， Harbin University， Harbin 150080， China）

Critical Metaphor Analysis （CMA）， an approach to metaphor analysis in discourse， aims to reveal the hidden intention of language users， which not only deepens our understanding of linguistic metaphors， but also reveals the important role of metaphor in human thinking and communication. As a key stage in CMA， metaphor identification provides a solid foundation for the subsequent research work such as metaphor interpretation and metaphor explanation， and is an extremely important and indispensable part of CMA. This paper first delves into integration and pivotability of metaphor identification in CMA， to explore the developmental characteristics of metaphor identification in CMA， and to become acquainted with the entire analytical framework of CMA. Then， the lack of objectivity of metaphor identification in CMA is discussed， and a method that attempts to apply Large Language Model （ChatGPT） to metaphor identification in CMA is proposed to address this issue. In the meantime， the specific practical operation of the method is demonstrated based on a real case study. It is found that， in addition to enhancing the objectivity of metaphor identification， ChatGPT mainly plays an enlightening role in the analytical process. At all once， three issues have emerged in the process of metaphor identification applying ChatGPT： First， the results of metaphor identification are not entirely consistent with expectations; Second， the frequency statistics of metaphor keywords are inaccurate; Third， the operation process is repetitive. These issues have prompted us to further ponder. Firstly， LLM （ChatGPT） has not yet possessed fully developed human intelligence， and consequently it may have not been capable of independently completing the identification of complex me-taphor phenomena involving multiple dimensions such as language， culture， and cognition. It needs to be combined with human identification to play an auxiliary and enlightening role. Secondly， the application of technology to empower language research should be determined based on the research objectives and research questions. For frequency statistics tasks， it is possible to consider utilizing relatively mature tools such as Excel or Corpus to showcase their respective strengths. Thirdly， it is necessary to clarify the role that LLM （ChatGPT） plays in metaphor study， so that its potential capabilities can be better harnessed to serve as a copilot in such studies. Thus， it is hoped that， by employing technological means reasonably and appropriately， we can explore the optimal way for human-computer collaboration to enhance the objectivity of metaphor identification， refine the analytical framework of" CMA， and conduct more in-depth study of metaphor in discourse. Meanwhile， it is also hoped that CMA can conti-nue to conduct research across fields such as linguistics， cognitive science， sociology， and computer science， making CMA more satisfactory and providing a more comprehensive analytical perspective and a more objective analytical method for metaphor study in discourse.

Key words： large language models; ChatGPT; critical metaphor analysis; metaphor identification; metaphor interpretation; metaphor explanation

1 引言

批評(píng)隱喻分析（critical metaphor analysis， CMA）是由英國(guó)學(xué)者Charteris-Black（2004：34）2004年提出，不斷發(fā)展的一種隱喻分析方法（Charteris-Black 2005， 2014， 2018）。CMA（Charteris-Black" 2018）認(rèn)為隱喻的語(yǔ)篇功能是人們建立意識(shí)形態(tài)和修辭動(dòng)機(jī)的基礎(chǔ)，通常會(huì)圍繞諸如：為什么這是隱喻，它是什么類型的隱喻，為什么選擇這種類型的隱喻等一系列問(wèn)題，深入探討隱喻的識(shí)別標(biāo)準(zhǔn)、識(shí)別單位、類型特點(diǎn)、使用方式和原因、使用目的以及推理效應(yīng)等相關(guān)話題。旨在識(shí)別出語(yǔ)篇中的隱喻，并根據(jù)使用者的交際目的及語(yǔ)境因素來(lái)解釋隱喻選擇的原因，進(jìn)而揭示語(yǔ)篇中潛在的意識(shí)形態(tài)、態(tài)度和信念。CMA不僅深化我們對(duì)隱喻在語(yǔ)言和思維中作用的理解，也為語(yǔ)篇分析提供了新的視角。隱喻識(shí)別作為CMA分析框架中的一個(gè)關(guān)鍵步驟，為隱喻闡釋和隱喻說(shuō)明等后續(xù)研究工作提供堅(jiān)實(shí)基礎(chǔ)，是CMA中極其重要且不可或缺的一部分。不過(guò)，由于隱喻的隱蔽性和多義性、動(dòng)態(tài)性和語(yǔ)境依賴性，隱喻識(shí)別易受個(gè)人經(jīng)驗(yàn)和價(jià)值觀的影響，因此，如何科學(xué)、客觀、有效地識(shí)別出語(yǔ)篇中的隱喻是CMA的一個(gè)核心問(wèn)題，也是當(dāng)前隱喻研究的重點(diǎn)和難點(diǎn)。

從主要依靠直覺(jué)法辨別語(yǔ)篇中隱喻的傳統(tǒng)隱喻識(shí)別研究，到近些年基于神經(jīng)網(wǎng)絡(luò)（Do Dinh， Gurevych" 2016）、自然語(yǔ)言學(xué)習(xí)（朱嘉瑩等" 2020）等自然語(yǔ)言處理（natural language processing， NLP）的計(jì)算隱喻識(shí)別研究，語(yǔ)篇中的隱喻識(shí)別或者因識(shí)別過(guò)程的強(qiáng)主觀性而受到質(zhì)疑，或者因技術(shù)的強(qiáng)專業(yè)性而難以付諸實(shí)踐。而Pragglejaz Group（2007：3）提出的MIP隱喻識(shí)別程序因操作相對(duì)簡(jiǎn)易，一經(jīng)提出便成為隱喻識(shí)別的首選方法，不過(guò)在實(shí)踐操作中其存在的詞匯單元?jiǎng)澐峙c計(jì)數(shù)標(biāo)準(zhǔn)不一等問(wèn)題也較為明顯。為此，Steen et al.（2010：25-42）提出對(duì)MIP進(jìn)行改良補(bǔ)充的MIPVU. MIPVU除了對(duì)隱喻識(shí)別的詞匯單元進(jìn)行詳細(xì)劃分說(shuō)明外，還提出對(duì)間接隱喻、直接隱喻和隱性隱喻的識(shí)別。這種細(xì)化隱喻的識(shí)別方法雖然有助于隱喻研究的縱深方向發(fā)展，但同時(shí)也增加了隱喻識(shí)別的難度和復(fù)雜度，而且隱喻識(shí)別的主觀性問(wèn)題一直存在，因此，真正運(yùn)用MIPVU的隱喻研究目前國(guó)內(nèi)還較少見(jiàn)。隨著自動(dòng)語(yǔ)義分析工具Wmatrix（Rayson 2008：519-549）的開(kāi)發(fā)，部分學(xué)者（如孫亞 2012，陳朗" 2022）開(kāi)始采用Wmatrix與MIP或MIPVU相結(jié)合的方法來(lái)識(shí)別語(yǔ)篇中的隱喻，減少隱喻識(shí)別的主觀性。不過(guò)，Wmatrix在語(yǔ)境義和基本義的區(qū)分上仍需要人工進(jìn)行判定，而且其預(yù)設(shè)的始源域范疇可能會(huì)導(dǎo)致新奇隱喻的遺漏。CMA作為一種普遍運(yùn)用的語(yǔ)篇隱喻分析方法，對(duì)隱喻識(shí)別同樣傾注了大量筆墨，形成具有特色的隱喻識(shí)別方法。本研究將基于對(duì)CMA中隱喻識(shí)別方法的討論，探究CMA中隱喻識(shí)別的發(fā)展特性以及可能存在的局限性，并針對(duì)存在的問(wèn)題嘗試提出解決方法，同時(shí)，基于真實(shí)研究案例了解該方法的具體實(shí)踐操作，以完善CMA的分析框架，更深入地進(jìn)行語(yǔ)篇的隱喻研究。

2 CMA中隱喻識(shí)別的融合性和樞紐性

在批評(píng)話語(yǔ)分析（critical discourse analysis， CDA）影響下應(yīng)運(yùn)而生的CMA，基于概念隱喻理論（Conceptual Metaphor Theory， CMT）（Lakoff， Johnson 1980）的隱喻思維主張，認(rèn)為隱喻源自人類的創(chuàng)造力，對(duì)不同現(xiàn)象之間關(guān)系的新奇語(yǔ)言編碼、對(duì)刺激新的理解方式有啟發(fā)作用，是思維和行動(dòng)的新方式（Charteris-Black" 2004：21）。通過(guò)對(duì)隱喻的批判性分析，CMA將認(rèn)知與包含歷史和文化知識(shí)的語(yǔ)言資源整合，增加語(yǔ)篇說(shuō)服力的同時(shí)，揭示語(yǔ)言使用者的潛在意圖?？梢?jiàn)，融合性是CMA的一個(gè)顯著特性，它不僅貫穿于CMA的整個(gè)研究過(guò)程，更是滲透于CMA的隱喻識(shí)別階段。通過(guò)運(yùn)用融合方法識(shí)別隱喻，CMA實(shí)現(xiàn)在隱喻研究領(lǐng)域的新突破。同時(shí)，隱喻識(shí)別作為CMA（Charteris-Black" 2018）中連接語(yǔ)境分析與隱喻闡釋和隱喻說(shuō)明的關(guān)鍵環(huán)節(jié)，將語(yǔ)境提供的必要背景信息整合到隱喻的理解和分析中，彰顯出隱喻識(shí)別的樞紐性。

2.1 CMA中隱喻識(shí)別的融合性

CMA中隱喻識(shí)別的融合性主要體現(xiàn)在理論和技術(shù)上的融合。首先，作為理解語(yǔ)言、思維和社會(huì)之間復(fù)雜關(guān)系的重要手段，CMA（Charteris-Black 2004：21， 2005：14）認(rèn)為隱喻具有潛在的語(yǔ)言、語(yǔ)用和認(rèn)知特征，隱喻識(shí)別需要考慮語(yǔ)義、語(yǔ)境和跨域映射，因此，CMA結(jié)合語(yǔ)義學(xué)、語(yǔ)用學(xué)和認(rèn)知語(yǔ)言學(xué)，提出依據(jù)某一個(gè)單詞或短語(yǔ)是否由于使用的語(yǔ)義域發(fā)生變化而導(dǎo)致語(yǔ)言、語(yǔ)用、認(rèn)知三個(gè)層面的不協(xié)調(diào)（incongruity）或語(yǔ)義張力（semantic tension）來(lái)判斷是否為隱喻的語(yǔ)言、語(yǔ)用、認(rèn)知三個(gè)標(biāo)準(zhǔn)（Charteris-Black" 2004：21-35），體現(xiàn)出CMA中隱喻識(shí)別的理論融合。其次，CMA在語(yǔ)料庫(kù)的推廣應(yīng)用及社會(huì)科學(xué)的影響下，借助語(yǔ)料庫(kù)技術(shù)，提出運(yùn)用人工分析語(yǔ)篇樣本識(shí)別候選隱喻（candidate metaphors）與機(jī)讀大型語(yǔ)料識(shí)別隱喻相結(jié)合的兩步隱喻識(shí)別法（Charteris-Black" 2004：34）。該方法將隱喻識(shí)別從傳統(tǒng)的直覺(jué)法轉(zhuǎn)向結(jié)合語(yǔ)料庫(kù)的社會(huì)實(shí)證視角，不但打破長(zhǎng)久以來(lái)僅依靠人工識(shí)別隱喻的限制，也補(bǔ)充了隱喻研究的實(shí)證證據(jù)，是21世紀(jì)初隱喻研究的一個(gè)創(chuàng)新和突破，體現(xiàn)了CMA中隱喻識(shí)別的技術(shù)融合。

2.2 CMA中隱喻識(shí)別的樞紐性

CMA中隱喻識(shí)別的樞紐性凸顯了隱喻識(shí)別在CMA中的核心地位和連接作用。一方面，隱喻識(shí)別不僅是CMA分析過(guò)程中的基點(diǎn)，也是驅(qū)動(dòng)整個(gè)分析過(guò)程的核心動(dòng)力，隱喻識(shí)別的準(zhǔn)確性直接影響隱喻闡釋和隱喻說(shuō)明的深度和廣度。另一方面，作為CMA（Charteris-Black" 2018）四步分析框架的一個(gè)中間環(huán)節(jié)，隱喻識(shí)別能夠確保研究的連貫性，使得從語(yǔ)境分析到隱喻闡釋再到隱喻說(shuō)明形成一個(gè)有邏輯且相互支撐的分析鏈條。

具體來(lái)說(shuō)，作為研究起點(diǎn)，語(yǔ)境分析通過(guò)在相關(guān)社會(huì)語(yǔ)境下對(duì)某一特定話題的分析，提出有關(guān)隱喻的研究問(wèn)題。隱喻識(shí)別則結(jié)合語(yǔ)境信息識(shí)別出語(yǔ)篇中的隱喻。一旦識(shí)別出隱喻，CMA便運(yùn)用CMT和概念整合理論（Conceptual Blending Theory， CBT）（Fauconnier， Turner 2002），進(jìn)一步探討隱喻所傳達(dá)的隱喻意義、概念表征和評(píng)價(jià)意義，以及隱喻搭配或隱喻與其他語(yǔ)言形式互動(dòng)所形成的積極評(píng)價(jià)或消極評(píng)價(jià)（Charteris-Black" 2005：22-23）。之后，CMA在社會(huì)語(yǔ)境基礎(chǔ)上，運(yùn)用目的隱喻（purposeful metaphor）（Charteris-Black" 2012）和社會(huì)認(rèn)知（van Dijk 2008）概念從說(shuō)話者和受眾兩個(gè)互補(bǔ)視角對(duì)隱喻選擇進(jìn)行解釋說(shuō)明，從而將隱喻的深層含義和意識(shí)形態(tài)聯(lián)系起來(lái)。CMA（Charteris-Black" 2018）認(rèn)為隱喻是出于某些現(xiàn)實(shí)目的而進(jìn)行的語(yǔ)言交際，包括修辭目的（rhetorical）、啟發(fā)性目的（heuristic）、謂詞評(píng)價(jià)目的（predicative）、移情目的（empathetic）、美學(xué)目的（aesthetic）、意識(shí)形態(tài)目的（ideological）和神話目的（mythic）等動(dòng)態(tài)互動(dòng)的多個(gè)目的，它們之間通常由一個(gè)主要?jiǎng)訖C(jī)驅(qū)動(dòng)，其他動(dòng)機(jī)輔之。在解釋說(shuō)明某個(gè)特定隱喻的隱喻功能時(shí)，會(huì)受到更廣泛社會(huì)背景的影響，而這恰好是最初研究問(wèn)題的動(dòng)機(jī)，因此可能會(huì)引發(fā)新一輪的隱喻識(shí)別，也可能通過(guò)積極或消極表征開(kāi)始新的隱喻闡釋循環(huán)。由此表明，CMA的語(yǔ)境分析、隱喻識(shí)別、隱喻闡釋、隱喻說(shuō)明四步驟之間雖然是依次描述的，但同時(shí)也是遞歸的。

3 CMA中隱喻識(shí)別客觀性的不足及大語(yǔ)言模型（ChatGPT）的應(yīng)用

隨著實(shí)踐應(yīng)用的推廣，CMA中隱喻識(shí)別的局限性逐漸顯露，面臨著隱喻識(shí)別客觀性不足的挑戰(zhàn)。而隨著人工智能（artificial intelligence， AI）技術(shù)的飛速發(fā)展，大語(yǔ)言模型（large language models， LLMs）為我們提供新的視角和工具。

3.1 CMA中隱喻識(shí)別客觀性的不足

CMA中隱喻識(shí)別客觀性的不足主要源于隱喻識(shí)別標(biāo)準(zhǔn)不夠細(xì)致以及缺乏科學(xué)理?yè)?jù)。首先，CMA雖然提出從語(yǔ)言、語(yǔ)用和認(rèn)知三個(gè)維度進(jìn)行隱喻識(shí)別，也將單詞尤其是短語(yǔ)作為隱喻識(shí)別的語(yǔ)言單位，但卻沒(méi)有對(duì)此作出詳盡說(shuō)明，僅憑借“語(yǔ)義不協(xié)調(diào)或語(yǔ)義張力”來(lái)判斷是否為隱喻，而對(duì)語(yǔ)義張力的判斷又帶有明顯的主觀性，會(huì)被質(zhì)疑為一種“有依據(jù)的直覺(jué)”（Deignan 1999：180）。因此，在實(shí)際操作中可能會(huì)因人工識(shí)別標(biāo)準(zhǔn)不一而影響研究結(jié)果的可信度。其次，發(fā)展的CMA（Charteris-Black" 2018）通過(guò)摒棄借助語(yǔ)料庫(kù)識(shí)別隱喻的兩步法，提出強(qiáng)調(diào)識(shí)別隱喻類型的五步隱喻識(shí)別法，彌補(bǔ)了之前可能由于某些隱喻關(guān)鍵詞的遺漏而導(dǎo)致隱喻識(shí)別不全面的缺陷，但是，CMA對(duì)隱喻類型的劃分標(biāo)準(zhǔn)缺乏科學(xué)依據(jù)和理?yè)?jù)說(shuō)明，僅依據(jù)一個(gè)隱喻在100個(gè)語(yǔ)料庫(kù)詞條樣本中出現(xiàn)的次數(shù)來(lái)確定其為新奇隱喻（novel me-taphor）（少于5次的）、規(guī)約隱喻（conventional me-taphor）（5次至50次的）還是固定隱喻（entrenched metaphor）（超過(guò)50次的）。該識(shí)別標(biāo)準(zhǔn)的實(shí)際效用及科學(xué)性值得商榷。另外，CMA雖然在五步隱喻識(shí)別法中提出由幾位隱喻學(xué)者分別進(jìn)行隱喻識(shí)別來(lái)增加研究的可信度，但這種完全依賴人工識(shí)別隱喻的過(guò)程，難免會(huì)存在主觀性問(wèn)題，影響后續(xù)隱喻闡釋及隱喻說(shuō)明的準(zhǔn)確性。因此，如何提升CMA中隱喻識(shí)別客觀性的問(wèn)題再次成為討論的焦點(diǎn)。

3.2 大語(yǔ)言模型（ChatGPT）應(yīng)用于CMA中的隱喻識(shí)別

數(shù)智時(shí)代，隨著計(jì)算語(yǔ)言學(xué)、NLP及AI領(lǐng)域研究的重大進(jìn)展，特別是隨著LLMs對(duì)傳統(tǒng)NLP流水線（pipeline）范式的顛覆和取代（袁毓林" 2024a：3）以及LLMs在語(yǔ)言理解、語(yǔ)言生成、語(yǔ)言翻譯以及文本分類等方面取得的巨大進(jìn)步，語(yǔ)言的多語(yǔ)義識(shí)別僅通過(guò)輸入適當(dāng)?shù)奶崾菊Z(yǔ)（prompt）（程兵" 2023），便可較好地完成任務(wù)。因此，可以嘗試突破僅依靠人工的方式，借助LLMs對(duì)隱喻進(jìn)行識(shí)別。

3.2.1 ChatGPT應(yīng)用于CMA中隱喻識(shí)別的可行性

LLMs的標(biāo)志性模型是2022年OpenAI推出的ChatGPT，從初次亮相到幾次迭代更新，ChatGPT被廣大用戶進(jìn)行過(guò)各種測(cè)評(píng)（焦建利等" 2023：21），例如，通過(guò)對(duì)包括ChatGPT-3.5在內(nèi)的16個(gè)LLMs進(jìn)行文本翻譯和標(biāo)題生成等語(yǔ)言處理任務(wù)的評(píng)測(cè)，ChatGPT-4呈現(xiàn)的語(yǔ)義效果最佳（趙雪等 2023），不但指標(biāo)穩(wěn)定性方面能夠保持客觀一致（李春濤等" 2024），而且還能夠識(shí)別出語(yǔ)篇中的隱喻、轉(zhuǎn)喻、夸張等（秦洪武 周霞" 2024，許家金等" 2024）。最重要的是，ChatGPT在語(yǔ)義理解和常識(shí)推理方面有著卓越表現(xiàn)（袁毓林" 2024b：62），其語(yǔ)言使用能力在很大程度上和人類接近（袁毓林" 2023：649）。況且，從理論上講，AI語(yǔ)言模型的研究目標(biāo)與人類語(yǔ)言學(xué)的研究目標(biāo)并不抵觸，可以互相補(bǔ)充，因?yàn)榍罢呤菫槿祟愖匀徽Z(yǔ)言建立可計(jì)算的數(shù)學(xué)模型，后者是用以揭示人類自然語(yǔ)言的結(jié)構(gòu)、功能和發(fā)展規(guī)律（袁毓林" 2024b：50），因此，可以嘗試將ChatGPT應(yīng)用于CMA中進(jìn)行隱喻識(shí)別。

在CMA中結(jié)合ChatGPT進(jìn)行隱喻識(shí)別，不但能夠提高隱喻識(shí)別的客觀性和工作效率，還能夠促進(jìn)隱喻研究的創(chuàng)新和發(fā)展。首先，ChatGPT是通過(guò)大規(guī)模文本數(shù)據(jù)預(yù)訓(xùn)練來(lái)學(xué)習(xí)隱喻遵循的特定語(yǔ)言模式，因此，在執(zhí)行任務(wù)時(shí)能夠減少由于個(gè)人經(jīng)驗(yàn)、情感或偏見(jiàn)帶來(lái)的偏差，減少個(gè)體差異的影響，從而提高隱喻識(shí)別的客觀性；其次，ChatGPT通過(guò)其強(qiáng)大的自然語(yǔ)言處理能力，能夠快速處理大量文本數(shù)據(jù)，自動(dòng)識(shí)別出語(yǔ)境中的隱喻性語(yǔ)言結(jié)構(gòu)，從而極大地節(jié)省人力和時(shí)間，而且，ChatGPT一旦訓(xùn)練完成，對(duì)于相同的語(yǔ)言結(jié)構(gòu)會(huì)產(chǎn)生一致的結(jié)果，這不但能夠確保隱喻識(shí)別的一致性，為隱喻研究提供更加可靠的數(shù)據(jù)基礎(chǔ)，同時(shí)，也提高了隱喻識(shí)別的效率；再次，ChatGPT是在不斷優(yōu)化和迭代升級(jí)中通過(guò)持續(xù)學(xué)習(xí)來(lái)適應(yīng)新的語(yǔ)言現(xiàn)象和隱喻表達(dá)，這種動(dòng)態(tài)更新能夠確保ChatGPT對(duì)隱喻識(shí)別的時(shí)效性和適應(yīng)性，從而促進(jìn)隱喻研究的創(chuàng)新和發(fā)展。圖1為ChatGPT應(yīng)用于CMA中隱喻識(shí)別的分析框架。

3.2.2 ChatGPT應(yīng)用于CMA中隱喻識(shí)別的關(guān)鍵點(diǎn)

在CMA中結(jié)合ChatGPT進(jìn)行隱喻識(shí)別時(shí)，提示語(yǔ)的輸入是非常關(guān)鍵的一個(gè)環(huán)節(jié)。它是研究者與ChatGPT對(duì)話交互的起始點(diǎn)，直接決定隱喻識(shí)別結(jié)果的范圍和深度。因此，編寫合理準(zhǔn)確、符合規(guī)范的提示語(yǔ)是提高ChatGPT識(shí)別結(jié)果質(zhì)量和品質(zhì)的關(guān)鍵。

首先，要明確任務(wù)目標(biāo)。清晰明確的提示語(yǔ)能夠幫助ChatGPT理解用戶需求，從而避免因誤解而產(chǎn)生錯(cuò)誤，減少出錯(cuò)率，因此，要清晰明確地表達(dá)希望ChatGPT執(zhí)行的任務(wù)，例如，“請(qǐng)基于Lakoff和Johnson的隱喻定義幫助識(shí)別出下面語(yǔ)篇中的隱喻性表達(dá)。Lakoff和Johnson認(rèn)為，隱喻是人類思維的一種方式，是通過(guò)兩個(gè)概念域之間不同角色的對(duì)應(yīng)，從一個(gè)概念域（始源域）映射到另一個(gè)概念域（目標(biāo)域）的過(guò)程，隱喻性表達(dá)是實(shí)現(xiàn)這種跨域映射的語(yǔ)言形式（詞、短語(yǔ)或句子）?！蓖ㄟ^(guò)在提示語(yǔ)中運(yùn)用專業(yè)術(shù)語(yǔ)，還能夠向ChatGPT明確指示所需分析的領(lǐng)域和目標(biāo)。其次，要提供足夠的上下文信息。隱喻的理解往往依賴于豐富的上下文，因此，向ChatGPT提供足夠的背景信息，可以幫助它更準(zhǔn)確地識(shí)別和解讀隱喻。同時(shí)，也可以提供具體的文本片段作為示例，幫助ChatGPT更好地理解隱喻識(shí)別的具體要求。再次，要適當(dāng)?shù)卣{(diào)整交互。作為人機(jī)交互方式上的“革命性變化”（焦建利等" 2023：21），ChatGPT與研究者之間的多輪次對(duì)話交互成為一種常見(jiàn)模式，因此，根據(jù)ChatGPT的輸出結(jié)果，對(duì)于需要更深入的解釋或?qū)δ骋唤忉層幸蓡?wèn)時(shí)，要調(diào)整提示語(yǔ)，或通過(guò)提出更多問(wèn)題以及提供更多信息繼續(xù)與ChatGPT進(jìn)行交互式討論，使其輸出的回應(yīng)盡量達(dá)到滿意結(jié)果?？傊?，提示語(yǔ)在ChatGPT執(zhí)行任務(wù)時(shí)至關(guān)重要，提示語(yǔ)的質(zhì)量直接影響最終的分析結(jié)果，恰當(dāng)合理的提示語(yǔ)是輸出較好隱喻識(shí)別結(jié)果的關(guān)鍵點(diǎn)。

4 研究案例

為全面解析ChatGPT應(yīng)用于CMA中隱喻識(shí)別的操作過(guò)程，本文以樊登2024全民閱讀大會(huì)的演講（以下簡(jiǎn)稱F演講）為例進(jìn)行說(shuō)明。

4.1 語(yǔ)境分析

全民閱讀自2014年開(kāi)始，連續(xù)10次被寫入政府工作報(bào)告?！吨腥A人民共和國(guó)國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第十四個(gè)五年規(guī)劃和2035年遠(yuǎn)景目標(biāo)綱要》明確指出，要“深入推進(jìn)全民閱讀，建設(shè)‘書香中國(guó)’”。全民閱讀大會(huì)由此產(chǎn)生，旨在推動(dòng)全民多讀書，讀好書，正如帆書一直倡導(dǎo)的“人生如海，好書如帆”。帆書，原名為樊登讀書，源于樊登在2013年發(fā)起的樊登讀書會(huì)，于2023年更名為帆書，通過(guò)精選好書與深入淺出的解讀方式，引領(lǐng)閱讀新模式，響應(yīng)國(guó)家全民閱讀號(hào)召。樊登也于2019年開(kāi)始，每年都會(huì)進(jìn)行相關(guān)主題的演講。根據(jù)百度百科，截至2022年9月，帆書APP總注冊(cè)用戶數(shù)突破6000萬(wàn)。今年，樊登繼續(xù)在全民閱讀大會(huì)上作了題為《答案在書里》的演講，一以慣之地倡導(dǎo)多讀書、讀好書。對(duì)此話題，在本次演講中樊登使用了哪些隱喻？這些隱喻有何功能？為何使用這些隱喻？本文擬圍繞這3個(gè)問(wèn)題展開(kāi)討論。

4.2 隱喻識(shí)別

CMA對(duì)隱喻的識(shí)別標(biāo)準(zhǔn)是基于語(yǔ)言、語(yǔ)用和認(rèn)知三個(gè)層次的標(biāo)準(zhǔn)，因此，在ChatGPT-4o的對(duì)話框內(nèi)可以輸入提示語(yǔ)“Can you annotate the metaphor cases in the following text according to the criterion of metaphor？ And please classify source domain and target domain respectively in the following text. A metaphor is a linguistic representation that results from the shift in the use of a word or phrase from the context or domain in which it is expected to occur to another context or domain where it is not expected to occur， thereby causing semantic tension. It may have any or all of the linguistic， pragmatic and cognitive characteristics. Here is the text：”及F演講語(yǔ)篇，并對(duì)上述問(wèn)題進(jìn)行多輪對(duì)話交互，得到如圖2例示的隱喻識(shí)別結(jié)果。通過(guò)與人工識(shí)別結(jié)果比對(duì)修正后，得到隱喻句共112個(gè)，隱喻關(guān)鍵詞共73個(gè)，隱喻關(guān)鍵詞包括隱喻載體和適用于隱喻載體的表達(dá)，由此確定隱喻載體。

繼續(xù)輸入提示語(yǔ)“Please classify the following expressions according to：自然、人及人體、健康與疾病、動(dòng)物、植物、食物、建筑、工具、機(jī)器、旅行、運(yùn)動(dòng)與游戲、演出、沖突、繪畫、教學(xué)、熱和冷、光和暗、力、顏色、宇宙、經(jīng)貿(mào)及其他”及確定的隱喻載體后，得到隱喻始源域的歸類結(jié)果如圖3例示。隱喻始源域的分類標(biāo)準(zhǔn)是參考K?vecses（2010：18）列出的13類常見(jiàn)隱喻始源域來(lái)源，并結(jié)合《現(xiàn)代漢語(yǔ)分類詞典》確定。

通過(guò)查閱詞典，最后識(shí)別出的隱喻類別共16類（見(jiàn)表1），像Charteris-Black（2004， 2005）在分析政治演講時(shí)所識(shí)別出的諸如沖突隱喻、演出隱喻、動(dòng)物隱喻、建筑物隱喻等，在F演講中也都被識(shí)別出，只是比重稍低。而共鳴值位居前5位的分別是擬人隱喻、力隱喻、自然隱喻、機(jī)器隱喻及食物隱喻。隱喻始源域的共鳴值（resonance of source domains）（Charteris-Black" 2004：89）是用于衡量始源域生產(chǎn)力的一個(gè)參數(shù)，由隱喻關(guān)鍵詞的類型之和乘以隱喻關(guān)鍵詞的頻次之和得出。

4.3 隱喻闡釋

作為一名倡導(dǎo)多讀好書的閱讀運(yùn)動(dòng)發(fā)起者，樊登的演講均是圍繞與閱讀相關(guān)的主題展開(kāi)，本次演講的主題主要包括：閱讀與冪次法則、冪次法則與健康、冪次法則與大腦等。根據(jù)表1，F(xiàn)演講圍繞各主題運(yùn)用豐富的隱喻，來(lái)揭示演講者的思想、觀點(diǎn)和信念。

4.3.1 閱讀與冪次法則

在F演講開(kāi)篇，讀書便被映射為物理學(xué)中的冪次法則（例①），冪次法則的累積效應(yīng)同時(shí)也映射至讀書日積月累帶來(lái)的影響。對(duì)于冪次法則的作用，F(xiàn)演講運(yùn)用隱喻關(guān)鍵詞“主宰”和程度副詞“幾乎”（例②）使冪次法則被映射為具有超能力的支配地位，與閱讀、健康、大腦都緊密相關(guān)，表達(dá)了演講者對(duì)冪次法則的積極評(píng)價(jià)。同時(shí)，冪次法則還被描述為一條“曲線”，曲線具有的弧度及連續(xù)性映射著冪次法則的高低點(diǎn)及遞進(jìn)性，使聽(tīng)眾頭腦中呈現(xiàn)出曲線的輪廓，形成對(duì)冪次法則的基本認(rèn)識(shí)。

① 讀書……是物理學(xué)當(dāng)中一個(gè)非常重要的現(xiàn)象，叫做冪次法則。

② 冪次法則構(gòu)成的：y等于n的x次方，這條曲線主宰著幾乎整個(gè)自然界……

4.3.2 冪次法則與健康

健康對(duì)于我們來(lái)說(shuō)是最重要的，在描述冪次法則與健康的關(guān)系時(shí)，F(xiàn)演講首先運(yùn)用隱喻搭配：自然隱喻［煙霧是水］①和［煙霧是泥沙］+工具隱喻［血管是橡皮管子］+旅行隱喻［血管是路］為聽(tīng)眾搭建一個(gè)花園澆花的場(chǎng)景。水的運(yùn)動(dòng)性和靈活性、泥沙的黏著性和不規(guī)則性同時(shí)映射在煙霧上，橡皮管子的運(yùn)送功能和可能存在的堵塞隱患、道路的平坦與否和出行的通暢與否同時(shí)映射在血管上。如果煙霧進(jìn)入血管中，其黏著性會(huì)使其沉積在血管壁上，長(zhǎng)此以往，會(huì)導(dǎo)致血管壁不光滑，影響血液流動(dòng)。煙霧對(duì)血管的傷害通過(guò)隱喻搭配清晰地展現(xiàn)出來(lái)，也表達(dá)了演講者對(duì)吸煙行為的消極評(píng)價(jià)?；谘艿倪\(yùn)送功能，受到傷害的血管會(huì)導(dǎo)致血糖、血脂、血壓發(fā)生異常。F演講運(yùn)用一系列的食物隱喻將復(fù)雜的醫(yī)學(xué)專業(yè)問(wèn)題生活化。如圖4所示，醫(yī)學(xué)域與餃子域的各元素之間存在著映射關(guān)系，同餃子皮、餃子餡、餃子湯一樣，血糖、血脂、血壓也都有自己的作用，有各自的健康指標(biāo)，它們共同維護(hù)人體的健康，如果一個(gè)發(fā)生變化，整體都會(huì)受到影響。正如，餃子煮漏會(huì)導(dǎo)致餃子湯渾濁、餃子餡漂浮，如果血壓升高，血糖血脂便會(huì)分離，堵塞在血管的某處，引起心梗、腦梗等疾病。F演講運(yùn)用我們熟悉的飲食域映射抽象的醫(yī)學(xué)概念，使其更易理解的同時(shí)，指出讀書獲取的醫(yī)學(xué)知識(shí)對(duì)于我們健康生活的重要性，表達(dá)演講者對(duì)讀書的積極評(píng)價(jià)。

而心梗、腦梗之類疾病的發(fā)生同樣與冪次法則有關(guān)，特別是讓人聞風(fēng)色變的癌癥，它們表面上是“斷崖式”的突然發(fā)生，其實(shí)，都源于累積效應(yīng)。F演講運(yùn)用大量的擬人隱喻［細(xì)胞是人］描述癌癥的累積源由，將人類的主觀能動(dòng)性、人類的思維能力及具體人物特征映射至細(xì)胞上。細(xì)胞便具有人類“大公無(wú)私”（例③）、“寬容體諒”（例④）的特征，它們會(huì)規(guī)律性地生長(zhǎng)、死亡，同時(shí)也具有人的情感，會(huì)“難受”、會(huì)“痛苦”（例⑤），如果長(zhǎng)期遭受外來(lái)傷害，它們也會(huì)思考（例⑥）、會(huì)“叛變”（例⑦），最終以一種新的形象存在：癌細(xì)胞。例⑥中指稱代詞“我”的搭配使用，更強(qiáng)化了細(xì)胞的思維能力，使醫(yī)學(xué)知識(shí)具象化的同時(shí)，更加深入人心。

③ 我們?nèi)祟惖募?xì)胞……最大的特點(diǎn)是“大公無(wú)私”，……

④ 比如說(shuō)你的手被刀子劃破了，把很多細(xì)胞直接殺死了，沒(méi)關(guān)系，它會(huì)長(zhǎng)好，它會(huì)原諒你。

⑤ 假如你……讓這些細(xì)胞很難受、很痛苦，它就會(huì)突然改變性狀。

⑥ 這群細(xì)胞突然之間不想跟你們合作了，我不想做多細(xì)胞生物了，我打算做單細(xì)胞生物。

⑦ 當(dāng)我們的細(xì)胞在遭受著長(zhǎng)期的非致命性傷害的時(shí)候，他就決定叛變了。

4.3.3 冪次法則與大腦

F演講從孩子的教育入手談?wù)搩绱畏▌t與大腦的關(guān)系。同樣地，不當(dāng)教育行為的累積效應(yīng)也會(huì)導(dǎo)致孩子突然出現(xiàn)心理問(wèn)題、學(xué)習(xí)問(wèn)題，造成教育的失敗。F演講首先運(yùn)用隱喻鏈，即教育要盯住→盯住就上來(lái)→不盯就下去（例⑧），表明嚴(yán)格管理的必要性，同時(shí)，力隱喻［嚴(yán)格監(jiān)督就是眼睛盯?。菖c連詞“一……就……”“不……就……”的互動(dòng)也暗示部分父母雖然重視孩子教育，但卻選擇了錯(cuò)誤的教育方式，無(wú)形中給孩子施加了更大的壓力，而過(guò)大的壓力則意味著對(duì)大腦的不良影響。容器隱喻［感官系統(tǒng)是容器］（例⑨）表明大腦面對(duì)過(guò)大壓力時(shí)，能夠像容器一樣被封閉起來(lái)，選擇隔斷與外界的聯(lián)系。機(jī)器隱喻［感官系統(tǒng)是機(jī)器］（例⑩）表明感官系統(tǒng)各部分會(huì)如同機(jī)器般統(tǒng)一選擇開(kāi)或關(guān)。動(dòng)物隱喻［孩子是野獸］（例B11）和擬人隱喻［身體是人］（例B12）暗指當(dāng)孩子在全部感官系統(tǒng)關(guān)閉后出現(xiàn)的暴力行徑或自殘行為，這就是不良累積效應(yīng)。多種隱喻的搭配使用形象描述了孩子在錯(cuò)誤教育方式下可能產(chǎn)生的不良后果，表明了演講者對(duì)部分家長(zhǎng)教育方式的消極評(píng)價(jià)，并以此暗示家長(zhǎng)讀書獲取的教育知識(shí)對(duì)于提升健康教育意識(shí)和采取積極教育行為對(duì)孩子健康成長(zhǎng)的重要性。

⑧ 甚至有很多家長(zhǎng)認(rèn)為，真正有效的教育就是“盯住”，因?yàn)橐欢⒆〕煽?jī)就上來(lái)，不盯就下去。

⑨ 當(dāng)一個(gè)人覺(jué)得很痛苦時(shí)，為了自我保護(hù)，他會(huì)封閉掉所有的感官系統(tǒng)。

⑩ 他身上針對(duì)所有快樂(lè)的感受器也都被關(guān)掉了。

B11 很多校園霸凌的新聞……會(huì)有那么多的人像野獸一樣的去打自己的同類。

B12 自殘……會(huì)讓他覺(jué)得有意義……，他的身體還在愛(ài)著他……

為避免教育悲劇的發(fā)生，F(xiàn)演講繼續(xù)運(yùn)用旅行隱喻［孩子的成長(zhǎng)是旅行］→［孩子頭腦的變化是方向或路徑的轉(zhuǎn)變］（例B13）告誡家長(zhǎng)，要提前預(yù)知可能發(fā)生的事，并及時(shí)采取有效措施，以免孩子心理突然發(fā)生變化。同時(shí)，運(yùn)用自然隱喻［人腦是微縮的自然界］（例B14）提醒家長(zhǎng)，孩子的成長(zhǎng)是有規(guī)律性的，強(qiáng)行干擾會(huì)造成意想不到的后果。還運(yùn)用機(jī)器隱喻［人是復(fù)雜體系］（例B15）再次提醒家長(zhǎng)，孩子不是“汽車”，不要試圖“掌控”孩子，要適當(dāng)?shù)摹胺攀帧?，給孩子一定的成長(zhǎng)空間，只有這樣，孩子的人生之路才能“走好”。最后，F(xiàn)演講運(yùn)用動(dòng)物隱喻［信息封閉是信息繭房］（例B16）希望聽(tīng)眾們不做繭房里的繭，突破自己，讀“破圈”之書，做“破圈”之人，表達(dá)了演講者對(duì)讀書的積極評(píng)價(jià)和強(qiáng)烈推薦。

B13" 想要讓所有的家長(zhǎng)，能提前到冪次曲線拐彎的地方看一眼。

B14 人腦就是一個(gè)微縮的自然界。

B15 人的一生屬于復(fù)雜體系。

B16 只讀自己喜歡的書，會(huì)陷入在一個(gè)封閉的信息繭房里邊。

4.4 隱喻說(shuō)明

通過(guò)對(duì)F演講中隱喻概念表征及評(píng)價(jià)意義的分析闡釋，我們可以揭示出演講文本中的隱喻所構(gòu)建的思想、觀點(diǎn)和信念。

首先，從當(dāng)前形勢(shì)上看，隨著信息技術(shù)的快速發(fā)展，網(wǎng)絡(luò)短視頻、碎片化信息已成為人們?nèi)粘Ｉ钪胁豢苫蛉钡囊徊糠?。面?duì)大量撲面而來(lái)、應(yīng)接不睱的信息，學(xué)會(huì)甄別尤為重要。而甄別信息所需要的獨(dú)立思考能力，除通過(guò)經(jīng)驗(yàn)、閱歷積累外，讀書培養(yǎng)是最為重要的途徑。F演講運(yùn)用長(zhǎng)期讀書所產(chǎn)生的冪次效應(yīng)激勵(lì)聽(tīng)眾要多讀好書，讀破圈之書。在幫助聽(tīng)眾理解兩者之間的關(guān)系時(shí)，F(xiàn)演講運(yùn)用擬人隱喻、隱喻搭配以及隱喻鏈，將抽象知識(shí)具體化、復(fù)雜知識(shí)直觀化、專業(yè)知識(shí)生活化，激活聽(tīng)眾對(duì)閱讀的新認(rèn)知，調(diào)整或擴(kuò)展聽(tīng)眾的認(rèn)知結(jié)構(gòu)，從而深化聽(tīng)眾對(duì)閱讀價(jià)值的理解，形成更廣泛的閱讀認(rèn)同和重視閱讀的社會(huì)氛圍，更好地傳達(dá)“讀書讓我們更具深度、理性和智慧”的思想。

其次，從隱喻的現(xiàn)實(shí)交際目的上看，在F演講中，演講者以隱喻方式激勵(lì)聽(tīng)眾要多讀好書，講述與讀書密切相關(guān)的冪次法則故事。在講述花園澆花、包餃子和煮餃子的生活故事時(shí)，隱喻將聽(tīng)眾拉進(jìn)生活，增添親切感的同時(shí)，引起聽(tīng)眾注意，建立信任感，實(shí)現(xiàn)隱喻修辭目的的同時(shí)，讓聽(tīng)眾感受到讀書在獲取知識(shí)、內(nèi)化知識(shí)、培養(yǎng)思考能力過(guò)程中起到的重要作用，實(shí)現(xiàn)其意識(shí)形態(tài)目的。在講述孩子教育問(wèn)題時(shí)，隱喻將累積效應(yīng)發(fā)生后的悲慘故事展示在聽(tīng)眾面前，激起聽(tīng)眾悲傷情緒的同時(shí)，也啟發(fā)聽(tīng)眾、激勵(lì)聽(tīng)眾采取積極措施，實(shí)現(xiàn)隱喻的移情目的和啟發(fā)性目的。在講述細(xì)胞故事時(shí)，隱喻使用描寫人類動(dòng)作、情感的動(dòng)詞和形容詞，例如，“不想”“決定”“難受”等，拉近與聽(tīng)眾距離的同時(shí)也提醒聽(tīng)眾要避免長(zhǎng)期傷害，實(shí)現(xiàn)隱喻的謂詞評(píng)價(jià)目的。而所有故事的講述都是在演講者意識(shí)形態(tài)目的下進(jìn)行的神話敘事，即多讀書、讀好書。

通過(guò)運(yùn)用結(jié)合ChatGPT的CMA分析F演講，本文將LLM（ChatGPT）運(yùn)用到CMA的隱喻識(shí)別中。我們發(fā)現(xiàn)ChatGPT除了提高隱喻識(shí)別的客觀性之外，最大助力是對(duì)分析過(guò)程起到的啟示作用。同時(shí)，也遇到3個(gè)問(wèn)題：一是隱喻識(shí)別的結(jié)果與預(yù)期不完全一致；二是對(duì)隱喻關(guān)鍵詞的頻次統(tǒng)計(jì)結(jié)果不準(zhǔn)確；三是操作過(guò)程的反復(fù)性。這在某種程度上表明，第一，LLM（ChatGPT）還不具備完善的人類智能（馮志偉" 2024：89），對(duì)于涉及語(yǔ)言、文化、認(rèn)知等多個(gè)層面復(fù)雜隱喻現(xiàn)象的識(shí)別，目前機(jī)器尚無(wú)法獨(dú)立完成，還需要與人工識(shí)別相結(jié)合，發(fā)揮其輔助和啟示作用；第二，運(yùn)用何種技術(shù)賦能語(yǔ)言研究要根據(jù)研究目的和研究問(wèn)題來(lái)確定，對(duì)于頻次統(tǒng)計(jì)類任務(wù)，可以運(yùn)用技術(shù)較為成熟的Excel或語(yǔ)料庫(kù)等工具來(lái)完成，展示其各有所長(zhǎng)；第三，要明確LLM（ChatGPT）在隱喻研究中所扮演的角色。LLM（ChatGPT）雖然功能強(qiáng)大，但現(xiàn)階段仍然受控于使用者的指令來(lái)完成任務(wù)，因此，我們要利用LLM（ChatGPT）的超強(qiáng)能力，同時(shí)也要保持自己的特色（Mollick" 2024），使LLM（ChatGPT）在隱喻研究中發(fā)揮副駕駛（copilot）作用（袁毓林" 2024c：576），即，研究人員與LLM（ChatGPT）形成伙伴關(guān)系，二者全程參與任務(wù)，LLM（ChatGPT）可以完成一些重復(fù)性的工作，研究人員則專注于更高級(jí)別的思考和創(chuàng)新，并運(yùn)用專業(yè)知識(shí)和判斷，確保隱喻分析的深度和準(zhǔn)確性，同時(shí)也通過(guò)LLM（ChatGPT）的提示，獲得新觀點(diǎn)，補(bǔ)充或修正自己的結(jié)論，實(shí)現(xiàn)人機(jī)協(xié)作的最佳方式。

5 結(jié)束語(yǔ)

CMA作為一種普遍運(yùn)用的語(yǔ)篇隱喻分析方法，不但深化我們對(duì)語(yǔ)言隱喻的理解，還揭示隱喻在人類思維和交流中的重要作用。隱喻識(shí)別作為CMA分析框架中的一個(gè)關(guān)鍵環(huán)節(jié)，發(fā)揮著至關(guān)重要的作用。本研究首先就CMA中隱喻識(shí)別的融合性和樞紐性進(jìn)行深入討論，了解CMA中隱喻識(shí)別的發(fā)展特性，熟悉CMA的整個(gè)分析框架。同時(shí)，針對(duì)CMA中隱喻識(shí)別客觀性不足的問(wèn)題，本研究提出在CMA中運(yùn)用LLM（ChatGPT）進(jìn)行隱喻識(shí)別的解決方法，并基于真實(shí)研究案例了解該方法的具體實(shí)踐操作。通過(guò)案例，本研究也對(duì)運(yùn)用LLM（ChatGPT）進(jìn)行隱喻識(shí)別過(guò)程中遇到的問(wèn)題加以分析和總結(jié)，希望通過(guò)合理、恰當(dāng)?shù)剡\(yùn)用技術(shù)手段，探索人機(jī)協(xié)作的最優(yōu)路徑，從而提升隱喻識(shí)別的客觀性，完善CMA的分析框架，更深入地進(jìn)行語(yǔ)篇的隱喻研究。同時(shí)，也希望CMA能繼續(xù)跨語(yǔ)言學(xué)、認(rèn)知科學(xué)、社會(huì)學(xué)和計(jì)算機(jī)科學(xué)等領(lǐng)域的研究，使CMA更加完善，為語(yǔ)篇的隱喻研究提供更全面的分析視角、更客觀的隱喻識(shí)別方法。

注釋

①符號(hào)［］為概念隱喻標(biāo)識(shí)。

參考文獻(xiàn)

陳 朗. 從MIP到MIPVU： 隱喻識(shí)別的方法、應(yīng)用與問(wèn)題［J］. 外語(yǔ)學(xué)刊， 2022（5）.‖Chen， L. From MIP to MIPVU： Approach， Practice and Issues in Metaphor Identification Procedure［J］. Foreign Language Research， 2022（5）.

程 兵." 以ChatGPT為代表的大語(yǔ)言模型打開(kāi)了經(jīng)濟(jì)學(xué)和其他社會(huì)科學(xué)研究范式的巨大新空間［J］. 計(jì)量經(jīng)濟(jì)學(xué)報(bào)， 2023（3）.‖Cheng， B. Artificial Intelligence Generative Content （AIGC） Including ChatGPT Opens a New Big Paradigm Space of Economics and Social Science Research［J］. China Journal of Econometrics， 2023（3）.

馮志偉. 從ChatGPT到Sora發(fā)展中的術(shù)語(yǔ)問(wèn)題［J］. 中國(guó)科技術(shù)語(yǔ)， 2024（2）.‖F(xiàn)eng， Z.-W. Term Problem in the Development from ChatGPT to Sora［J］. China Terminology， 2024（2）.

焦建利 陳 麗 吳偉偉. 由ChatGPT引發(fā)的教育之問(wèn)：可能影響與應(yīng)對(duì)之策［J］. 中國(guó)教育信息化， 2023（3）.‖Jiao， J.-L.，" Chen， L.， Wu， W.-W." Educational Issues Triggered by ChatGPT： Possible Impacts and Counter Measures［J］. Chinese Journal of ICT in Education， 2023（3）.

李春濤 閆續(xù)文 張學(xué)人." GPT在文本分析中的應(yīng)用：一個(gè)基于Stata的集成命令用法介紹［J］. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究， 2024（5）.‖Li， C.-T.，" Yan， X.-W.，" Zhang， X.-R." Application of GPT in Textual Analysis： An Introduction to A Community Developed Command within Stata［J］. Journal of Quantitative amp; Technological Economics， 2024（5）.

秦洪武 周 霞." 大語(yǔ)言模型與語(yǔ)言對(duì)比研究［J］. 外語(yǔ)教學(xué)與研究， 2024（2）.‖Qin， H.-W.，" Zhou， X." Large Language Models for Contrastive Linguistics［J］. Foreign Language Teaching and Research， 2024（2）.

孫 亞. 基于語(yǔ)料庫(kù)方法的隱喻使用研究：以中美媒體甲流新聞為例［J］. 外語(yǔ)學(xué)刊， 2012（1）.‖Sun， Y. A Corpus-based Approach to Metaphor Use： A Case Study of H1N1 Flu Discourse in Chinese and American Media［J］. Foreign Language Research， 2012（1）.

許家金 趙 沖 孫銘辰." 大語(yǔ)言模型的外語(yǔ)教學(xué)與研究應(yīng)用［M］. 北京：外語(yǔ)教學(xué)與研究出版社， 2024.‖Xu， J.-J.，" Zhao， C.，" Sun， M.-C. Applications of Large Language Models in Foreign Language Teaching and Research［M］. Beijing： Foreign Language Teaching and Research Press， 2024.

袁毓林. 超越聊天機(jī)器人，走向通用人工智能——ChatGPT的成功之道及其對(duì)語(yǔ)言學(xué)的啟示［J］. 當(dāng)代語(yǔ)言學(xué)， 2023（5）.‖Yuan， Y.-L. Beyond Chatbots and Towards Artificial General Intelligence （AGI）： The Success of ChatGPT and Its Implications for Linguistics［J］. Contemporary Linguistics， 2023（5）.

袁毓林. ChatGPT等大型語(yǔ)言模型對(duì)語(yǔ)言學(xué)理論的挑戰(zhàn)與警示［J］. 當(dāng)代修辭學(xué)， 2024a（1）.‖Yuan， Y.-L. Challenges and Warnings from Large Language Models like ChatGPT on Linguistics Theories［J］. Contemporary Rhetoric， 2024a（1）.

袁毓林. 如何測(cè)試ChatGPT的語(yǔ)義理解與常識(shí)推理水平？——兼談大語(yǔ)言模型時(shí)代語(yǔ)言學(xué)的挑戰(zhàn)與機(jī)會(huì)［J］. 語(yǔ)言戰(zhàn)略研究， 2024b（1）.‖Yuan， Y.-L. How to Test ChatGPT’s Performance in Semantic Understan-ding and Common-Sense Reasoning： Challenges and Opportunities of Linguistics in the Era of Large Language Models［J］. Chinese Journal of Language Policy and Planning， 2024b（1）.

袁毓林. ChatGPT語(yǔ)境下語(yǔ)言學(xué)的挑戰(zhàn)和出路［J］. 現(xiàn)代外語(yǔ)， 2024c（4）.‖Yuan， Y.-L. Challenges and Prospects for Linguistics in the Context of ChatGPT［J］. Modern Foreign Languages， 2024c（4）.

趙 雪 趙志梟 孫鳳蘭 王東波. 面向語(yǔ)言文學(xué)領(lǐng)域的大語(yǔ)言模型性能評(píng)測(cè)研究［J］. 外語(yǔ)電化教學(xué)， 2023（6）.‖Zhao， X.，" Zhao， Z.-X.，" Sun， F.-L.，" Wang， D.-B. Performance Evaluation Study of" Large Language Models for the Field of Language and Literature［J］. Technology Enhanced Foreign Language Education， 2023（6）.

朱嘉瑩 王榮波 黃孝喜 諶志群." 基于Bi-LSTM的多層隱喻識(shí)別方法［J］. 大連理工大學(xué)學(xué)報(bào)， 2020（2）.‖Zhu， J.-Y.，" Wang， R.-B.，" Huang， X.-X.，""" Chen， Z.-Q." Multi-level Metaphor Detection Method Based on Bi-LSTM［J］. Journal of Dalian University of Technology， 2020（2）.

Charteris-Black， J. Corpus Approaches to Critical Metaphor Analysis［M］. Hampshire： Palgrave Macmillan， 2004.

Charteris-Black，" J. Politicians and Rhetoric： The Persuasive Power of Metaphor［M］. Hampshire： Palgrave Macmillan， 2005.

Charteris-Black， J. Forensic Deliberations on “Purposeful Metaphor”［J］. Metaphor and the Social World， 2012（2）.

Charteris-Black， J. Analyzing Political Speeches： Rhetoric， Discourse and Metaphor［M］. Basingstoke amp; New York： Palgrave MacMillan， 2014.

Charteris-Black，" J. Analysing Political Speeches： Rhetoric， Discourse and Metaphor（2nd Edition）［M］. Hampshire： Palgrave Macmillan， 2018.

Deignan， A. Corpus-based Research into Metaphor［A］. In： Cameron， L.， Low， G.（Eds.）， Researching and Appl-ying Metaphor［C］. Cambridge： Cambridge Press， 1999.

Do， Dinh， E.L.， Gurevych， I. Token-Level Metaphor Detection Using Neural Networks［A］. In： Klebanov， B.， Shutova， E.， Lichtenste， P.（Eds.）， Proceedings of the Fourth Workshop on Metaphor in NLP［C］. San Diego： Association for Computational Linguistics， 2016.

Fauconnier， G.， Turner， M." The Way We Think — Concep-tual Blending and the Mind’s Hidden Complexities［M］. New York： Basic Books， 2002.

K?vecses， Z. Metaphor： A Practical Introduction（2nd Edition）［M］. New York： Oxford University Press， 2010.

Lakoff， G.， Johnson，" M. Metaphors We Live By［M］. Chicago and London： The University of Chicago Press， 1980.

Mollick， E. Co-Intelligence： Living and Working with AI［M］. WH Allen， 2024.

Pragglejaz Group. MIP： AMethod for Identifying Metaphorically Used Words in Discourse［J］. Metaphor and Symbol， 2007（1）.

Rayson， P. From Key Words to Key Semantic Domains［J］. International Journal of Corpus Linguistics， 2008（4）.

Steen， G.J.， Dorst， A.G.， Herrmann， J.B.，" Kaal， A.A.，" Krennmayr， T.，" Pasma， T." A Method for Linguistic Me-taphor Identification： From MIP to MIPVU［M］. Amsterdam： John Benjamins， 2010.

van Dijk， T. Discourse and Context： A Sociocognitive Approach［M］. Cambridge： Cambridge University Press， 2008.

定稿日期：2024-12-10【責(zé)任編輯 孫 穎】