本研究探讨了健康提及分类中的挑战，特别是比喻语言和描述性术语。通过结合常规微调和生物医学自然语言处理的增强参数，验证了词性标记信息及改进的PEFT技术的有效性。实验结果表明，这些方法在F1评分上显著优于现有技术，显示出在社交媒体健康提及分类中的潜在影响。

该文综述多项比喻语言研究：提出多语种隐喻检测模型与CoMeta数据集；发现忽略上下文的比喻识别因数据偏倚仍具竞争力；构建形象化语言图像识别数据集，显示模型理解不及人类；建立德国诗歌语料库研究语义变化；发现RTE模型难以处理比喻语言；创建七种语言比喻推理数据集，强调文化差异；探索诗歌机器翻译，多语言微调更优；并揭示预训练模型中间层编码可泛化的隐喻知识。