本研究提出了一种逻辑增强生成框架（LAG），结合语义知识图谱与提示启发式，旨在自动提取自然语言中的隐含知识。研究表明，该方法在隐喻检测与理解任务中优于现有基准，能够更好地理解视觉隐喻并实现更具解释性的推理。

本研究提出了双视角隐喻检测框架DMD，有效解决了隐喻检测的透明度和可靠性问题，实验结果表明其在多个数据集上表现优异。

本研究提出了一种多语种和单语种隐喻检测方法，利用MIPVU方法和CoMeta数据集，进行英语和西班牙语的跨语言实验。研究表明预训练语言模型中隐喻性知识的泛化性，并探讨了在资源匮乏语言中的性能提升。此外，创建了多语言比喻推理数据集，以评估模型处理比喻语言的能力，并强调文化和区域概念对比喻表达的影响。

本研究提出了一种多语种和单语种隐喻检测方法，利用MIPVU方法和CoMeta数据集，分析隐喻特征及其在自然语言处理中的应用。研究表明，语境特征对隐喻识别至关重要，并提出了自动化流程以识别难度较大的隐喻。同时，实验发现现有数据集可能存在偏倚，影响隐喻识别的准确性。

该文提出了一种以期望组件和实现组件为主要模块的隐喻检测架构，通过ER模式训练学习，对三个隐喻数据集进行评估，结果显示该方法具有与现有技术相当或更好的效果，并且通过ER模型的集成可以提高隐喻检测的准确性。

该论文提出了一个基于语言学动机和技术相关的希腊自然语言处理评估套件，引入了四个专家验证的评估任务，特别针对自然语言推理、词义消歧和隐喻检测。同时，确认了任务的挑战性，并强调希腊 NLP 生态系统需要加速进展以与当代主流研究保持同步的需求。