第四章 隱喻對應分析
4.4 結果評估
4.4.1 兩種分析方法比較
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
4.4.1 兩種分析方法比較
【1】 共現網絡比較
在共現網絡比較的部分如示意圖 4.14，比較 W 圖形(以一首歌為單位)、SS 圖形(以 同句歌詞為單位)、S 圖形(以一句為單位並去除重複)，以及 I 圖形(以 124 條文獻隱喻關 聯為單位)，此四個圖形的結構差異，和中心性指標所呈現不同網絡的重要節點差異。
圖 4.14: 網絡分析比較圖
Network Structure W SS S I
Vertices 77 171 84 94
Total Edges 276 275 123 124
Graph Density 0.0943 0.0189 0.0352 0.0283 Maximum Geodesic Distance
(Diameter)
2 8 6 8
Average Geodesic Distance 1.881 2.911 2.485 3.353 表 4.18: 四個網絡結構描述總表
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
如表 4.18，從圖形結構分析可以看出網絡 S 和網絡 I 的節點數和連結線數較相近；
在圖形密度上網絡 I 介於網絡 SS 和網絡 S 之間；I 網絡節點間相互通達的最遠距離與 SS 網絡同樣為 8 個單位距離，而 I 網絡的平均距離為所有網絡之中最高，但其平均距離 和最遠距離的差值與 SS 網絡相比較低，因此節點間關係比 SS 網絡還要緊密；上述比較 結果呈現以句子為共現範圍的網絡圖形(SS 圖形和 S 圖形)和文獻隱喻關聯(I 圖形)較相 近，反映了限縮範圍後的共現網絡能夠更細膩地呈現字彙之間的關聯，也更貼近我們的 文字使用習慣。以下表 4.19 比較 4 個網絡圖形的中心性指標，凸顯不同網絡呈現的主題 差異。
No W SS S I
Vertex Degree
1 love(76) love(78) love(47) lust(24) 2 heart(36) heart(23) feel(12) love(22) 3 time(31) baby(17) time(12) anger(16) Betweenness
Centrality
1 love(2183.559) love(6943.024) love(1814.300) lust(1027.025) 2 heart(143.726) heart(1621.363) heart(388.000) love(906.431) 3 time(89.420) up(1140.084) up(235.417) happiness
(725.342) Closeness
Centrality
1 love(0.013) set(1.000) sing(1.000) angry behavior (1.000)
2 heart(0.009) free(1.000) song(1.000) aggressive animal(1.000) 3 time(0.008) sugar(1.000) set(1.000) happy
person(1.000) 表 4.19: 四個網絡中心性分析比較表
從網絡的中心性可以分別看出節點在網絡的重要程度(Vertex Degree)、影響力 (Betweenness Centrality)和緊密度(Closeness Centrality)；從上表 4.19 對比發現，歌詞網 絡(W, SS, S)和文獻隱喻關聯網絡(I)的三項中心性指標的前 3 筆資料的差異在於，在網絡 I 中，前 3 筆重要度指標的字彙皆為抽象的情感目標域概念，分別是慾望(Lust)、愛情(Love) 和憤怒(Anger)，而在另外 3 個歌詞共現網絡中，則僅有第一筆為情感目標域概念，愛情 (Love)，其餘皆為具體的來源域對應字彙，如寶貝(Baby)、心(Heart)、時間(Time)和感受
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
(Feel)。
再從個別網絡的 3 個分析指標看字彙排列差異，可以發現僅有網絡 W 維持 3 項指 標的字彙排列沒有變動，其餘 3 個網絡的排序皆有異動，而在此 3 個網絡(SS, S, I)中，
又以接近中心性的更動最大，表列的前 3 筆資料皆和另外兩項指標不同，顯示此三個網 絡帶有單獨連接關係的字彙較多，複雜度較高。
【2】 兩種分析方法結果比較
另外，從兩種分析方法所得的字彙關聯結果做細部的字彙意義關聯比較，以詮釋由 下而上和由上而下兩種方法在隱喻內容分析上的異同。
圖 4.15: 兩種分析結果比較圖
將由下而上(Bottom-Up)的網絡分析和由上而下(Top-Down)的文本分析，兩種方法所 得到和愛情(Love)字彙關聯的前 10 筆資料，列於下表 4.19。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
M
No.
SNA (Bottom-Up) TA (Top-Down) W-Love SS-Love S-Love I-Love Word Count Word Count Word Count Word Count
1 heart 155 baby 69 baby 38 baby 117
2 time 143
way 57 time 32 go 44
3 feel 143 stop 48 feel 32 heart 21
4 go 126 one 46
way 31 fire 14
5 baby 123 fall 45 one 30 girl 12
6 one 122 time 40 heart 28 way 12
7 way 122 feel 40 girl 21 babe 10
8 life 106 woman 39 fall 20 boy 7
9 hold 100 heart 37 true 19 road 7
10 day 95 crazy 29
hold 18 flame 6 表 4.20: 兩種分析結果字彙組合比較表
由上表 4.20 所列文本分析(I-Love)的第一筆資料結果顯示，在 441 首西洋經典情歌 歌詞中，最常用以比喻愛情此抽象情感的概念為寶貝(Baby)，和共現網絡結果相比，以 句子為共現範圍(SS-Love, S-Love)的結果出現一致，兩筆字彙共現關聯的計算與文本隱 喻分析結果，同樣顯示「愛情」(Love)和「寶貝」(Baby)為情歌歌詞中最常使用的配對 組合，而文本隱喻分析的部分又加強說明以寶貝的純真本質概念來比喻愛情的美好特 質，為兩個方法結果一致的部分。
此外，尚有幾個兩種方法較一致結果的部分，如離開(go)、路途(way)兩個字彙，也 是同樣出現在兩種分析結果之中，此兩個字彙在文本分析類目裡，屬於「愛情是旅程」
(Love is a journey)的概念譬喻的來源域字彙；以及在四個網絡圖中，列皆在前面的心
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
(Heart)是屬於「愛情的本質是珍貴事物的概念譬喻」(the object of love is a valuable object)；上述結果同樣也呈現了兩個方法結果一致的情形。
M
No.
SNA (Bottom-Up) TA (Top-Down) W-Love SS-Love S-Love I-Love Word Count Word Count Word Count Word Count
1 heart 155 baby 69
baby 38 baby 117
2 time 143 way 57 time 32 go 44
3 feel 143 stop 48 feel 32 heart 21
4 go 126 one 46 way 31 fire 14
5 baby 123 fall
45 one 30 girl 12
6 one 122 time
40 heart 28 way 12
7 way 122 feel 40 girl 21 babe 10
8 life 106 woman 39 fall 20 boy 7
9 hold 100 heart 37 true 19 road 7
10 day 95 crazy 29
hold 18 flame 6 表 4.21: 兩種分析結果字彙組合比較表-2
另有存在一些相異的結果，像是表 4.21 所列，在共現網絡(W-Love, SS-Love, S-Love) 中與愛情共現，排列在前面的時間(Time)和感受(Feel)字彙，皆未出現在文本分析(I-Love) 的前 10 筆資料之中，評估造成這項結果的原因主要是，時間(Time)和感受(Feel)這兩個 字彙無法歸類到文本分析的來源域類目中，因此存在有這兩個字彙的隱喻對應關係時，
會進行融合理論的分析，而融合理論分析出的字彙概念對應重複性不高，因此在文本分 析的結果中並不會特別被凸顯出來，是以藉由共現度高頻率出現的字彙組合來做隱喻分
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
析無法面面俱到的部分。
另一個相異結果則是文本分析(L-Love)中兩筆前 10 名重要的隱喻關聯字彙火 (Fire)、火焰(Flame)，屬於「愛情是火」(Love is fire)的概念譬喻，皆未出現在共現網絡 (W-Love, SS-Love, S-Love)中，從字彙資料筆數(Count)來看可以發現，以共現網絡 S-Love 第 10 筆資料，為與愛情字彙概念共現 18 次的字彙緊握(Hold)，已高於文本分析(I-Love) 中排在第 4 位的字彙概念火(Fire, 14)，因此與火相關的愛情譬喻關聯便未呈現在 3 個共 現網絡之中，若是參考文本分析(I-Love)的資料筆數結果，適度調整 3 個共現網絡的資 料計算門檻值，便能夠將更多可能存在於共現網絡中的隱喻對應關係呈現出來。
4.4.2 小結
本研究利用共現網路探勘字彙間和情感隱喻相關的概念對應，另以文本分析的方式 評估其效應；從分析結果評估，以一整首歌為共現範圍的網絡，網絡關聯單純，連結線 項幾個特定的節點集中，而能夠得到較一般性的概念字彙間的關係，但若是從隱喻探勘 的角度出發，以一句歌詞為共現單位的網絡較能呈現出帶有隱喻關聯的概念對應關係；
另一方面則是，網絡浮現的門檻值設定，限制了僅呈現常見、高頻使用的字彙，排除掉 共現度低的字彙關聯組合，而去除掉特殊隱喻用法的觀察，是共現網絡在新生隱喻分析 上的不足之處。本研究透過由下而上(Bottom-Up)的字詞共現和由上而下(Top-Down)的文 本隱喻分析兩種方法比較發現，字詞共現網絡能夠呈現歌詞中所有字彙的配對組合關 係，為文本隱喻分析所無法達到的精密計算，而文本隱喻分析所找出的特殊隱喻對應關 係，是單靠共現頻率計算的自無共網路所無法突顯出的部分，因此，未來將更多的文本 隱喻分析的特性加入共現計算的考量之中，預期字詞共現網絡能夠呈現出更多的隱喻關 聯。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第五章
結論與未來研究方向 5.1 結論
本研究依不同的共現範圍的字詞共現網絡來再現情歌歌詞中的情感概念，並從文本 分析的方法歸納出帶有情感隱喻的字彙概念對應，來和共現網絡概念關聯的結果進行比 較，從兩種方法的分析結果比較字彙間的差異，以評估字詞共現網絡作為文本隱喻分析 工具的發展可能。
一開始，從共現計算後的字彙組合排列，可以觀察到歌詞創作的文字使用情形符合 幕次法則，即歌詞中最常出現的字彙組合集中在某幾個配對關聯，而大部分的字彙關聯 較少被重複使用，因此從歌詞字彙關聯的資料分布型態，符合長尾現象，反映了歌詞創 作者的文字使用行為和一般訊息接受者的概念認知會專注在幾個特定的字彙組合上。
從分析結果可以發現，字詞共現範圍越大，越能夠得到較一般性的概念字彙間的關 係，但若是從隱喻探勘的角度出發，限縮過後的共現單位較能呈現出帶有隱喻關聯的概 念對應關係，由此可知，共現範圍的限縮，能夠更真實的反應人的概念認知情形，本研 究實驗的 3 種共現標準所得到的結果，可以作為未來相關的文本分析選定共現範圍時的 參考。另一方面，在網絡浮現門檻值的設定上，其數值越高，呈現出的字彙關聯越集中 在長尾前端的字彙組合，而排除掉共現度低的字彙關聯組合，然而從文本隱喻分析的角 度出發，若單從字彙共同出現頻率來評斷兩個概念之間有無隱喻關聯，會失去對於特 殊、新生隱喻用法的掌握，像是有許多筆藉由融合理論所分析出的隱喻概念對應關係等 特殊的隱喻用法，在所有歌詞中僅出現過一次，較不會為共現網絡分析所關注，這是共 現網絡在新生隱喻分析上的不足之處，未來除了考量共現範圍和網絡門檻值的設定外，
增加資料分析維度，像是詞性的考量等，或許能夠改善目前字詞共現網絡分析的不足之 處。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
5.2 未來研究方向
本研究將分析的主題鎖定在西洋經典情歌歌詞的主題範疇下，因此在歌詞的搜集和 數量上有所侷限，也使得依據大量資料計算共現度為基礎的共現網絡在字彙節點浮現上 的效果較不顯著，未來研究可放寬歌詞選取的標準，以大量情歌歌詞文本為基礎建置更 大型的共現網絡，能夠分析觀察的字彙節點關聯將會更多元，在結果的詮釋上更加豐 富。另一方面是資料分析維度的擴充，未來可以增添字彙節點的詞性，作為資料過濾篩 選的標準之一，而目前本研究以共現度計算建立兩兩字彙間的關聯，未來若有字彙詞性 的資料維度參照，則可以增加節點連結線段的方向性，以有向性網絡觀察概念之間的對 應關係，作為概念隱喻的來源域和目標域切分依據。
後續研究也可從本研究參考的文獻所提供的情感分類項目來進行字彙概念的分 群，朝自動化辨識文本中情感概念的研究方向做延伸發展；再者，可以延伸比較不同語 言文字的歌詞文本，做跨文化的情感隱喻概念研究，可以了解不同文化背景下共同關注 的情感概念有那些，以及不同文化中用以比喻同一情感的概念有何異同之處。最後，希 望後續延伸本研究所提出的情感隱喻研究方法，在相關的情感議題研究上，能夠從更大 量的情感語料中累積出更多的情感面向，來開啟人跟人之間，以同理為基礎的溝通，建 構一套可供計算的情感模型，作為感性的傳播表達模式的依據。