Metaphors convey unspoken emotions and perceptions by creatively applying an evocative concept from the source domain to illustrate some latent idea in the target domain. Prior research on nominal metaphor interpretation focused on identifying those properties of the source domain which are highly related to the target domain concepts to discover the most likely sense of the metaphor’s usage. In this paper, we bring forth a fresh perspective by observing that a metaphor is seldom without an emotion or sentiment; in fact, it is this very aspect which segregates it from its literal counterpart. We present an Emotion driven Metaphor Understanding system which assesses the affective dimensions of the source properties before assigning them as the most plausible sense in the context of the target domain. In our approach, we use the web as a knowledge source to identify properties of the source domain. We resolve the bottleneck of non-availability of informative emotion lexicons using pre-trained word2vec embeddings to extract the latent emotions in the source domain properties. Adopting an unsupervised learning approach on a dataset of nominal metaphors, we demonstrate that in comparison with a single emotionless interpretation, a multi-sense interpretation of a metaphor using the gamut of emotions is more likely to provide a realistic presentation of its purport. We further demonstrate that an emotion driven interpretation is often preferred over an interpretation sans emotion. The results clearly indicate that it is beneficial to apply emotions for refining the process of metaphor understanding.

中文翻译：

---

用情感理解隐喻

隐喻通过创造性地应用来自源领域的令人回味的概念来说明目标领域中的一些潜在想法，从而传达不言而喻的情感和感知。先前对名义隐喻解释的研究侧重于识别与目标域概念高度相关的源域的属性，以发现隐喻使用的最可能意义。在本文中，我们通过观察很少有没有情感或情感的隐喻来提出新的观点；事实上，正是这一方面将其与其字面意义区分开来。我们提出了一个情感驱动的隐喻理解系统，该系统在将源属性指定为目标域上下文中最合理的意义之前评估源属性的情感维度。在我们的方法中，我们使用网络作为知识源来识别源域的属性。我们使用预训练的 word2vec 嵌入来提取源域属性中的潜在情感，解决了信息情感词典不可用的瓶颈。在名义隐喻数据集上采用无监督学习方法，我们证明与单一的无情感解释相比，使用情感色域的隐喻多义解释更有可能提供其主旨的真实呈现。我们进一步证明，情绪驱动的解释通常比没有情绪的解释更受欢迎。结果清楚地表明，运用情感来完善隐喻理解过程是有益的。我们使用预训练的 word2vec 嵌入来提取源域属性中的潜在情感，解决了信息情感词典不可用的瓶颈。在名义隐喻数据集上采用无监督学习方法，我们证明与单一的无情感解释相比，使用情感色域的隐喻多义解释更有可能提供其主旨的真实呈现。我们进一步证明，情绪驱动的解释通常比没有情绪的解释更受欢迎。结果清楚地表明，运用情感来完善隐喻理解过程是有益的。我们使用预训练的 word2vec 嵌入来提取源域属性中的潜在情感，解决了信息情感词典不可用的瓶颈。在名义隐喻数据集上采用无监督学习方法，我们证明与单一的无情感解释相比，使用情感色域的隐喻多义解释更有可能提供其主旨的真实呈现。我们进一步证明，情绪驱动的解释通常比没有情绪的解释更受欢迎。结果清楚地表明，运用情感来完善隐喻理解过程是有益的。