Semantic similarity

Metaphors are a distinctive feature of literary language, yet they remain less studied experimentally than everyday metaphors. Moreover, previous psycholinguistic and computational approaches overlooked the temporal dimension, although many literary metaphors were coined centuries apart from contemporary readers. This study innovatively applies tools from diachronic distributional semantics to assess whether the processing costs of literary metaphors varied over time and genre. Specifically, we used the Word2Vec algorithm and period-specific literary and nonliterary corpora, for a total of 124 million tokens, to generate word embeddings. Using these embeddings, we modeled changes in the semantic similarity between topics and vehicles of 515 19th-century literary metaphors, taking this measure as a proxy for metaphor processing demands. Overall, semantic similarity, and hence metaphor processing demands, remained stable over time. However, genre played a key role: metaphors appeared more difficult (i.e., lower topic-vehicle similarity) in modern literary contexts than in 19th-century literature, but easier (i.e., higher topic-vehicle similarity) in today's nonliterary language (e.g., the web) than in 19th-century nonliterary texts. This pattern was further shaped by semantic features of metaphors' individual terms, such as vector coherence and semantic neighborhood density. Collectively, these findings align with broader linguistic changes in Italian, such as the stylistic simplification of modern literature, which may have increased metaphor processing demands, and the high creativity of the web's language, which seems to render metaphor more accessible.

استعاره‌ها ویژگی متمایز زبان ادبی هستند، اما به‌صورت تجربی کمتر از استعاره‌های روزمره مورد مطالعه قرار گرفته‌اند. افزون بر این، رویکردهای پیشین روان‌زبان‌شناسی و محاسباتی، بُعد زمانی را نادیده گرفته‌اند، در حالی که بسیاری از استعاره‌های ادبی قرن‌ها پیش از خوانندگان معاصر ابداع شده‌اند. این مطالعه به‌طور نوآورانه از ابزارهای معناشناسی توزیعی تاریخی برای ارزیابی این‌که آیا هزینه‌های پردازش استعاره‌های ادبی در طول زمان و ژانر متفاوت بوده است یا خیر، بهره می‌گیرد. به‌طور مشخص، الگوریتم Word2Vec و پیکره‌های ادبی و غیرادبی مختص دوره‌های زمانی مختلف، با مجموع ۱۲۴ میلیون توکن، برای تولید تعبیه‌های واژه‌ای به‌کار گرفته شد. با استفاده از این تعبیه‌ها، تغییرات در شباهت معنایی میان موضوع و وسیله‌ی ۵۱۵ استعاره ادبی قرن نوزدهم مدل‌سازی شد و این سنجه به‌عنوان نماینده‌ای برای سنجش دشواری پردازش استعاره در نظر گرفته شد. به‌طور کلی، شباهت معنایی و در نتیجه دشواری پردازش استعاره در طول زمان پایدار باقی ماند. با این حال، ژانر نقش کلیدی ایفا کرد: استعاره‌ها در زمینه‌های ادبی معاصر دشوارتر (یعنی شباهت کمتر میان موضوع و وسیله) از ادبیات قرن نوزدهم ظاهر شدند، اما در زبان غیرادبی امروزی (مانند وب) آسان‌تر (یعنی شباهت بیشتر میان موضوع و وسیله) از متون غیرادبی قرن نوزدهم بودند. این الگو همچنین تحت تأثیر ویژگی‌های معنایی واژگان منفرد استعاره‌ها، مانند انسجام برداری و تراکم همسایگی معنایی، قرار گرفت. در مجموع، این یافته‌ها با تغییرات زبانی گسترده‌تر در زبان ایتالیایی، مانند ساده‌سازی سبکی ادبیات معاصر که ممکن است دشواری پردازش استعاره را افزایش داده باشد و خلاقیت بالای زبان وب که به نظر می‌رسد استعاره را دسترس‌پذیرتر می‌سازد، هم‌راستا است.

What does happiness mean to ordinary people? Answering this requires examining not only the components people associate with happiness, but also how these components are organized and structurally connected into a semantic schema. The same questions apply to its conceptual counterpart—unhappiness—and to how both vary across social groups. To address these questions, this study employs a word-association network approach to investigate the semantic schemas and group differences in people’s perceptions of happiness and unhappiness. Specifically, we create semantic representations of happiness and unhappiness using a word-association task in which participants freely listed words they associate with happiness and unhappiness, and then listed further words associated with each response; these word pairs are used to construct association networks from which underlying schemas are identified and demographic differences examined. Based on a survey conducted in Japan, our findings reveal major components, such as “ Wealth ” and “ Relationships ,” widely identified in existing theories, as well as underrepresented components, such as “ Food .” Moreover, our analysis provides insights into the structural relationships among these components, allowing us to understand how different components are connected to one another and what roles they play within the schema. Furthermore, we demonstrate that the word-association network approach provides a useful framework for investigating how everyday conceptions of happiness and unhappiness differ across demographic groups, revealing variation across groups in both schema structure and specific semantic features. Overall, this study demonstrates the value of word-association networks for capturing everyday conceptions of happiness and unhappiness, offering both theoretical insights and practical implications for developing more accurate and culturally grounded measures.

خوشبختی برای افراد عادی به چه معناست؟ پاسخ به این پرسش مستلزم بررسی نه تنها مؤلفه‌هایی است که افراد با خوشبختی مرتبط می‌دانند، بلکه نحوه سازمان‌دهی و ارتباط ساختاری این مؤلفه‌ها در قالب یک طرحواره معنایی نیز اهمیت دارد. همین پرسش‌ها در مورد مفهوم مقابل آن، یعنی بدبختی، و همچنین نحوه تفاوت هر دو در میان گروه‌های اجتماعی نیز مطرح است. برای پاسخ به این پرسش‌ها، این مطالعه با بهره‌گیری از رویکرد شبکه تداعی واژه به بررسی طرحواره‌های معنایی و تفاوت‌های گروهی در ادراک افراد از خوشبختی و بدبختی می‌پردازد. به طور مشخص، بازنمایی‌های معنایی خوشبختی و بدبختی از طریق یک تکلیف تداعی واژه ایجاد می‌شود که در آن شرکت‌کنندگان آزادانه واژه‌هایی را که با خوشبختی و بدبختی مرتبط می‌دانند، فهرست می‌کنند و سپس واژه‌های بیشتری را که با هر پاسخ مرتبط است، ذکر می‌کنند؛ این جفت واژه‌ها برای ساخت شبکه‌های تداعی به کار می‌روند که بر اساس آن‌ها طرحواره‌های زیرین شناسایی شده و تفاوت‌های جمعیت‌شناختی بررسی می‌شود. بر اساس یک پیمایش انجام‌شده در ژاپن، یافته‌های ما مؤلفه‌های اصلی مانند «ثروت» و «روابط» را که در نظریه‌های موجود به طور گسترده شناسایی شده‌اند، و همچنین مؤلفه‌های کمتر مورد توجه مانند «غذا» را آشکار می‌کند. افزون بر این، تحلیل ما بینش‌هایی درباره روابط ساختاری میان این مؤلفه‌ها ارائه می‌دهد و امکان درک نحوه اتصال مؤلفه‌های مختلف به یکدیگر و نقش آن‌ها در طرحواره را فراهم می‌سازد. همچنین نشان می‌دهیم که رویکرد شبکه تداعی واژه چارچوبی سودمند برای بررسی تفاوت تصورات روزمره از خوشبختی و بدبختی در میان گروه‌های جمعیت‌شناختی فراهم می‌کند و تفاوت‌هایی را در ساختار طرحواره و ویژگی‌های معنایی خاص میان گروه‌ها آشکار می‌سازد. در مجموع، این مطالعه ارزش شبکه‌های تداعی واژه را در بازنمایی تصورات روزمره از خوشبختی و بدبختی نشان می‌دهد و بینش‌های نظری و پیامدهای عملی برای توسعه سنجه‌های دقیق‌تر و مبتنی بر فرهنگ ارائه می‌کند.