Italian Metaphor Database: una base di dati sulle metafore in italiano per sistemi di Trattamento Automatico del Linguaggio

Transcript

1 Cresti, E. (a cura di) Prospettive nello studio del lessico italiano, Atti SILFI Firenze, FUP: Vol I, pp Italian Metaphor Database: una base di dati sulle metafore in italiano per sistemi di Trattamento Automatico del Linguaggio Antonietta Alonge Università di Perugia Abstract In questo lavoro si descrivono le caratteristiche principali dell Italian Metaphor Database, una base di dati in via di sviluppo presso l Università di Perugia. La base di dati contiene informazioni sulle metafore concettuali e sulle loro espressioni lessicali in italiano e viene sviluppata per essere utilizzata sia come base di conoscenza per sistemi di Trattamento Automatico del Linguaggio naturale (TAL), sia come risorsa per arricchire basi di dati lessicali esistenti. La ragione per cui si è deciso di sviluppare tale risorsa è che la maggior parte dei sistemi di TAL si deve confrontare con le espressioni metaforiche (frequentissime in ogni lingua naturale), ma, come è stato dimostrato in altri lavori, le risorse lessicali esistenti per l italiano non contengono, in relazione alle metafore, dati completi e coerenti, che siano derivati empiricamente ma anche organizzati e codificati in modo teoricamente motivato. Facendo riferimento alla teoria cognitivista della metafora, nella base di dati vengono codificate, tra le altre, informazioni relative alle metafore concettuali che hanno un espressione lessicale in italiano, insieme con le espressioni lessicali stesse (sia singole unità lessicali sia polirematiche); esempi delle metafore trovati in un corpus dell italiano; dati sulle espressioni delle metafore che non sono già codificate in ItalWordNet. 1. Introduzione Tradizionalmente la metafora è stata considerata come un uso deviante della lingua, tipico di generi quali la poesia o l oratoria politica. Verso la fine degli anni 70 dello scorso secolo linguisti, psicologi e filosofi cominciarono però ad evidenziare come la metafora pervada ogni forma di comunicazione linguistica, collegando tale fenomeno a fatti cognitivi. Lakoff e Johnson (1980), ad esempio, hanno dimostrato che la metafora è un dispositivo cognitivo centrale, usato per strutturare domini concettuali astratti i cosiddetti target domains delle metafore nei termini di domini concreti e più chiaramente delineati i cosiddetti source domains (e.g., i domini concettuali dell amore, delle difficoltà e della rabbia nei termini di viaggi, contenitori e calore rispettivamente). 1 Data l altissima frequenza delle espressioni metaforiche nelle lingue, la maggior parte dei sistemi di Trattamento Automatico del Linguaggio naturale (TAL) deve confrontarsi con esse prima o poi. Ciò nonostante, pochissimi sistemi esistenti sono in grado di trattare in modo specifico le espressioni metaforiche. Questi sono, in genere, sistemi knowledge-based, ossia sistemi che si basano su una rappresentazione della conoscenza relativa ai collegamenti convenzionali (mappature) tra espressioni 1 Per esempio, la mappatura concettuale tra il dominio sorgente del viaggio e il dominio d arrivo dell amore è espressa in frasi quali quelle che seguono: - Mario e Luisa sono ad un bivio nella loro relazione. - Questa relazione non va più avanti. - Le loro strade si stanno separando. Le difficoltà sono collegate a dei contenitori nelle frasi seguenti: - Come sono finito in questa situazione? - Adesso siamo nei guai. - Cerchiamo di tirarci fuori da questa situazione. Il dominio sorgente del calore è alla base del significato metaforico delle espressioni connesse con la rabbia nelle frasi che seguono: - Mi fai ribollire il sangue. - Ha il sangue caldo. - Si è scaldato immediatamente e ha preso ad urlare contro tutti. nei domini sorgente e le corrispondenti espressioni nei domini di arrivo (i domini metaforici). Chiaramente, le risorse lessicali contenenti dati ben strutturati e sistematici sulle metafore sono molto utili per questi sistemi, ma i dizionari e le basi di dati contenenti informazioni sul lessico dell italiano (ma lo stesso vale più in generale per altre lingue) non contengono molti dati sulle metafore, né tali dati sono generalmente coerenti; inoltre, queste risorse non consentono di estrarre agevolmente informazioni che possano essere usate dai sistemi per trattare la creatività linguistica connessa con il linguaggio metaforico, la possibilità, cioè, di creare metafore nuove, che gli interlocutori sono generalmente in grado di interpretare. Per rispondere all esigenza di basi di dati complete sul linguaggio metaforico per sistemi di TAL, in vari centri di ricerca sono in via di sviluppo risorse specifiche sulle metafore in varie lingue: ad esempio, la ATT Meta MetaBank Database ( Meta/Databank) per l inglese o la Hamburg Metaphor Database ( index_en.html) per tedesco e francese. Nel presente lavoro si descrive una base di dati in via di elaborazione per l italiano presso l Università di Perugia: la Italian Metaphor Database (IMD). L idea di sviluppare una base di dati sulla metafora in italiano è nata in primo luogo come risposta all esigenza di avere uno strumento utilizzabile come punto di riferimento per integrare/arricchire risorse lessicali esistenti (quali, ad esempio, EuroWordNet ed ItalWordNet, basi di dati semantico-lessicali sviluppate su modello del WordNet di Princeton 2 ), ma anche come 2 WordNet è una base di dati elettronica sviluppata da G. Miller e i suoi collaboratori presso l Università di Princeton, a partire dal 1985, per riprodurre l organizzazione dei concetti nel lessico mentale dei parlanti dell inglese americano ( Fellbaum, 1998). EuroWordNet è invece una base di dati multilingue che contiene wordnet per diverse lingue europee, tra le quali l italiano ( Vossen, 1999). La risorsa sviluppata per l italiano nell ambito di EuroWordNet è stata poi adottata come nucleo di partenza nella

2 Antonietta Alonge eventuale risorsa per sistemi computazionali che prevedano un modulo separato di dati sulla metafora. Inoltre, tale base di dati può essere un utile strumento per studi di tipo teorico. Il lavoro è organizzato come segue: nel secondo paragrafo si richiamano alcuni aspetti centrali della teoria cognitivista della metafora, che sono alla base dell organizzazione dei dati nella IMD; nel terzo paragrafo vengono brevemente indicate alcune problematiche fondamentali connesse con lo sviluppo di sistemi di TAL creati per trattare le metafore e le soluzioni adottate nell ambito di alcuni progetti di ricerca; nel quarto paragrafo si descrivono le caratteristiche fondamentali della struttura e del contenuto della IMD e, infine, nelle conclusioni si fa riferimento al lavoro necessario per completare la base di dati. 2. Aspetti della teoria cognitivista della metafora Una delle direzioni di ricerca fondamentali nell ambito della Linguistica Cognitiva è quella che si è concentrata sull indagine dei meccanismi attraverso i quali concetti astratti si sviluppano a partire da concetti legati all esperienza percettiva/corporea. Questi meccanismi sarebbero principalmente metaforici. Come si è visto, la Linguistica Cognitiva considera la metafora non come fenomeno anomalo (qualcosa di eccezionale rispetto al linguaggio ordinario, una violazione delle normali regole semantiche che consente di creare espressioni d effetto), quanto piuttosto come strumento cognitivo che serve ad organizzare concetti non legati direttamente all esperienza corporea: metaphor is pervasive in everyday life, not just in language but in thought and action. Our ordinary conceptual system, in terms of which we both think and act, is fundamentally metaphorical in nature (Lakoff e Johnson, 1980: 3) Le espressioni metaforiche sono manifestazioni di strutture metaforiche presenti nella mente, che collegano sistematicamente un (concrete) source domain e un (abstract) target domain: the essence of metaphor is understanding and experiencing one kind of thing in terms of another (Lakoff e Johnson, 1980: 5). Quindi, se il linguaggio metaforico è stato tradizionalmente ritenuto il regno dell irregolarità, gli studi cognitivisti sulla metafora (oltre al lavoro già citato di Lakoff e Johnson, cfr., tra gli altri, Lakoff e Turner, 1989; Lakoff, 1988; Lakoff, 1993) hanno evidenziato l esistenza di regolarità semantico-concettuali nella sua organizzazione. creazione di un ampia base di dati (ItalWordNet), nell ambito di un progetto di ricerca italiano (SI-TAL, Sistema Integrato per il Trattamento Automatico del Linguaggio Naturale ) che ha visto collaborare allo sviluppo di risorse linguistiche e software per il trattamento automatico della lingua italiana diversi gruppi di ricerca ( Roventini et al., 2003). Numerose espressioni metaforiche apparentemente scollegate l una dall altra possono in realtà essere ricondotte ad un unica metafora concettuale, la quale, tra l altro, è sempre motivata dall esperienza percettiva/corporea e mai casuale. L appropriatezza di questa prospettiva è dimostrata da diversi tipi di evidenze (Lakoff, 1998): a) generalizzazioni che governano la polisemia, cioè l uso delle parole con diversi significati collegati tra loro; b) generalizzazioni che governano i modelli di inferenze, cioè i casi in cui un modello di inferenza da un certo dominio concettuale viene usato per un altro dominio; c) generalizzazioni che governano il linguaggio metaforico della letteratura; d) generalizzazioni che governano i modelli di cambiamento semantico; e) gli esperimenti di psicolinguistica. Le metafore concettuali derivano, dunque, da esperienze sensomotorie (Lakoff e Johnson, 1999), la maggior parte delle quali è comune ad ogni essere umano, dal momento che esse sono determinate dal modo in cui il nostro corpo è strutturato, dal modo in cui percepiamo il mondo fisico, ecc. Quindi, esistono metafore universali, acquisite ed usate in modo per così dire inevitabile, le quali sono convenzionalizzate nelle lingue. In ogni caso, non tutte le metafore sono universali, ma una parte di esse è determinata culturalmente; inoltre, quando a conceptual metaphor is universal, its universality obtains at a generic level, while the same conceptual metaphor shows cultural variation at a specific level (Kövecses, 2002: 248) La prospettiva cognitivista della metafora comporta almeno due rilevanti implicazioni descrittive nel trattamento dei dati linguistici: (1) una volta stabilita una determinata mappatura tra domini concettuali, le espressioni linguistiche che caratterizzano un dominio saranno applicate anche all altro dominio; quindi, anche nella creazione estemporanea di nuove espressioni metaforiche verrà generalmente rispettata la regola di mappare elementi appartenenti a domini già convenzionalmente collegati. In altre parole, nuove estensioni metaforiche saranno possibili (e comprensibili per un interlocutore) per parole appartenenti ad uno stesso dominio sorgente di metafore concettuali convenzionali; (2) le espressioni metaforiche usate per riferirsi a un dominio possono essere applicate anche ad altri domini cui non sono state applicate ma cui sono potenzialmente applicabili. Altra conseguenza importante della teoria è che le espressioni idiomatiche, tradizionalmente considerate arbitrarie, sarebbero in larga parte motivate dallo stesso meccanismo di mappatura delle metafore; si parla cioè di metaphorical idioms (cfr. Casadei, 1996).

3 Italian Metaphor Database 3. La metafora nelle risorse linguistiche per il TAL Dal momento che la metafora è così pervasiva nel linguaggio, molti sistemi di TAL si trovano a doversi confrontare con essa prima o poi. Ciò nonostante, finora ben pochi sistemi sono stati disegnati in modo specifico per trattare le metafore convenzionali. Ancora più difficile, poi, è trovare sistemi in grado di confrontarsi con usi metaforici nuovi, creati on the fly (ma si veda KARMA, descritto in Narayanan, 1999; Feldman e Narayanan, 2004). I sistemi che trattano il linguaggio metaforico sono, in generale, sistemi knowledge-based, ossia sistemi che necessitano di una rappresentazione (di almeno una parte) dei collegamenti convenzionali tra espressioni nel dominio sorgente e espressioni metaforiche nel corrispondente dominio d arrivo. Questi sistemi necessitano quindi di una gran quantità di informazioni codificate in risorse lessicali specifiche o anche in risorse lessicali non finalizzate esclusivamente alla rappresentazione del linguaggio metaforico, ma che contengano dati codificati sistematicamente e coerentemente in relazione a tale linguaggio. Risorse di questo tipo, però, non sono generalmente disponibili e devono essere sviluppate ad hoc. Martin (1994), ad esempio, descrive il progetto MIDAS, nell ambito del quale è stato sviluppato un insieme di programmi finalizzati a rappresentare esplicitamente la conoscenza relativa a metafore convenzionali in inglese, applicare questa conoscenza per interpretare espressioni metaforiche e imparare anche nuove metafore eventualmente trovate nei testi. Martin spiega che l efficacia dell approccio per l interpretazione, la generazione e l acquisizione del linguaggio si è rivelata strettamente dipendente dalla quantità e qualità dei dati codificati nella base di dati a disposizione. Per questo motivo, nell ambito del progetto è stata sviluppata una base di dati MetaBank contenente informazione derivata empiricamente, ma motivata teoricamente (e in linea con l approccio cognitivista alla metafora), sulle metafore convenzionali in inglese. Anche nell ambito del progetto ATT-Meta (Barnden e Lee, 2002), finalizzato a sviluppare un sistema in grado di effettuare il ragionamento necessario per comprendere espressioni metaforiche, si sta sviluppando una base di dati sulle metafore in inglese, che viene confrontata con quella sviluppata a Berkeley da Lakoff e i suoi collaboratori (Master Metaphor List, Lakoff et al., 1991) 3, anche se contiene informazioni non presenti nella risorsa americana. Nei progetti menzionati è stato necessario sviluppare delle risorse ad hoc sulle metafore, poiché le risorse lessicali esistenti non contengono in genere informazioni sufficienti sul linguaggio metaforico, né, tantomeno, sui meccanismi che permettono ad un parlante di creare metafore nuove, comprensibili ai suoi interlocutori. La questione dei limiti delle risorse lessicali in relazione al modo di rappresentare il linguaggio figurato è stata trattata 3 Si veda la Conceptual Metaphor Homepage, dove la base di dati è interrogabile. in diversi lavori; in particolare Alonge e Castelli (2002a; 2002b; 2003), Lönneker (2003) e Alonge e Lönneker (2004) discutono i limiti di basi di dati quali WordNet e EuroWordNet o ItalWordNet a questo proposito, avanzando anche delle proposte per una codifica dell informazione sulla metafora che tenga conto dei risultati raggiunti nell ambito della Linguistica Cognitiva. Partendo dalle considerazioni esposte nei lavori dei quali si è appena detto, ricercatori dell Università di Amburgo hanno dato il via, nel 2002, ad un progetto finalizzato alla costruzione di una base di dati sulle metafore in tedesco e in francese (Hamburg Metaphor Database HMD Eilts e Lönneker, 2002 disponibile alla pagina web: index_en.html). Uno degli scopi del progetto è mostrare nello stesso tempo le potenzialità e i limiti di risorse lessicali esistenti (in particolare EuroWordNet) e basi di dati specifiche sulla metafora. 4. Italian Metaphor Database: struttura e contenuto La scelta tra il prevedere un modulo separato contenente informazioni sulla metafora e la possibilità di avere accesso ad un modulo nel quale le informazioni sulle espressioni letterali e quelle metaforiche siano integrate in un unica risorsa è strettamente legata alle caratteristiche del sistema computazionale sviluppato. La tendenza della ricerca a livello mondiale sembra però essere quella di sviluppare risorse lessicali nelle quali tutte le informazioni semantiche siano codificate e, soprattutto, in modo tale che questa codifica avvenga secondo delle linee-guida standardizzate che consentano il ri-utilizzo delle risorse per vari scopi (computazionali e non si vedano le ricerche condotte nell ambito dei progetti EAGLES - Expert Advisory Group for Language Engineering Standards e ISLE International Standards for Language Engineering 4 ). L idea di sviluppare una base di dati sulla metafora in italiano è nata in primo luogo come risposta all esigenza di avere uno strumento utilizzabile come punto di riferimento per integrare/arricchire le risorse lessicali esistenti (quali, ad esempio, EuroWordNet ed ItalWordNet), ma anche come eventuale risorsa per sistemi computazionali che prevedano un modulo separato di dati sulla metafora. Inoltre, tale base di dati può essere un utile strumento per studi di tipo teorico, considerato che le risorse simili esistenti contengono dati principalmente per l inglese (e, come si è detto, una base di dati simile è in via di sviluppo per il tedesco e il francese) Struttura della base di dati Partendo dai presupposti teorici e dalle considerazioni esposte, si è innanzi tutto deciso di strutturare la base di dati in modo tale da rendere possibile il recupero delle seguenti informazioni: 4 1. Metafore concettuali in italiano 2. Collegamenti (gerarchici) tra metafore Scopi e risultati dei due progetti sono descritti nel sito

4 Antonietta Alonge 3. Source Domain (SD) di una metafora 4. Collegamento del SD a varie ontologie di concetti top-level 5 5. Target Domain (TD) di una metafora 6. Collegamento del TD a varie ontologie di concetti top-level 7. Unità lessicali 8. Espressioni idiomatiche o multiwords 9. Eventuale presenza delle unità lessicali in ItalWordNet 10. Eventuale presenza delle espressioni idiomatiche o multiwords in ItalWordNet 11. Esempi da un corpus dell italiano 12. Collegamento ad altre basi di dati sulla metafora (in particolare a quella sviluppata per l americano a Berkeley) 13. Eventuali riferimenti a lavori specifici su metafore descritte. La base di dati viene sviluppata in modo tale che sarà possibile estrarre, tra le informazioni codificate, solo quelle che interessano Individuazione delle metafore concettuali Per individuare le metafore concettuali vengono adottate diverse strategie. In primo luogo, vengono valutate le metafore codificate per l inglese nella Berkeley Master Metaphor List (MML); come si è detto, molte metafore sono universali, così è possibile che buona parte delle metafore già codificate in quella base di dati abbia un corrispondente anche in italiano. D altra parte, poiché metafore universali possono avere una realizzazione in parte differente nelle singole lingue (cfr. sopra), è necessario talvolta analizzare un corpus dell italiano per verificare la presenza nella lingua di certe espressioni. Inoltre, nella MML vengono forniti solo alcuni esempi per ciascuna metafora (e non tutte le sue possibili realizzazioni), perciò il ricorso ad altre fonti (i.e., dizionari e un corpus dell italiano) diventa necessario per codificare tutte le (o almeno buona parte delle) espressioni lessicali di una metafora. Un altra strada per identificare le metafore dell italiano è quella di far riferimento a ricerche condotte sull italiano (in particolare, molto utile risulta il lavoro di Casadei, 1996). Una volta che una metafora viene individuata, è interessante valutarne anche eventuali rapporti con altre metafore. Finora, nella base di dati sono state codificate relazioni di opposizione (e.g., NOTO È AVANTI è in relazione con IGNOTO È DIETRO) e relazioni sottospecificate che necessitano di essere analizzate in modo più approfondito (e.g., la metafora ESPLICITO È VISIBILE è collegata a RENDERSI CONTO DELLA REALTÁ È VEDERE). Molti dati vengono codificati sia sulle espressioni lessicali di una metafora concettuale, sia su espressioni idiomatiche/multiwords collegate con la stessa metafora. 5 Un ontologia di concetti top-level è una gerarchia dei concetti fondamentali (idealmente universali), e delle loro proprietà. Gerarchie di questo tipo sono state sviluppate / sono in via di sviluppo in vari centri di ricerca nel mondo. Inoltre, anche WordNet e EuroWordNet contengono moduli di questo tipo. Quest ultimo tipo di informazione viene perlopiù tratta dal lavoro di Casadei (1996), nel quale espressioni idiomatiche sono state classificate come collegate con varie metafore. Così, ad esempio, sono state codificate molte espressioni idiomatiche connesse con la metafora CONTENTO È SU (cfr. Casadei, 1996: 148-9): - sentirsi su - avere il morale alto - non toccare terra dalla gioia - toccare il cielo con un dito - sentirsi al settimo cielo - andare in orbita - sentirsi giù - sentirsi a terra - avere il morale basso - avere il morale a terra - buttare giù - abbassare il morale - tirare su - alzare il morale - Infine, si è fatto un grosso lavoro di revisione dei dati contenuti in ItalWordNet, al fine di verificare quante e quali informazioni siano già state codificate sulle espressioni metaforiche, e raccogliere dati che, in futuro, potranno essere utilizzati per integrare quelli già codificati in ItalWordNet Dati codificati Al momento la base di dati contiene informazioni in relazione a 97 metafore concettuali, la maggior parte delle quali trova una corrispondenza nella base di dati di Berkeley. Il collegamento gerarchico tra metafore codificato nella nostra risorsa, però, non è sistematicamente presente nella base di dati americana. Allo stesso modo, mancano nella risorsa americana dati sistematici relativi alle unità lessicali e alle multiwords che si collegano con una metafora concettuale, codificati invece in modo regolare nella nostra base di dati. Non è stato invece possibile, finora, codificare informazioni relative ai punti 4., 6. e 13. di cui sopra, mentre le informazioni di cui al punto 11. sono state codificate solo occasionalmente; inoltre, è necessario completare il collegamento dei nostri dati con quelli contenuti in basi di dati sviluppate per altre lingue (di cui al punto 12.), dato che per il momento tale collegamento è stato effettuato solo con la base di dati americana (i.e., quella elaborata a Berkeley). 5. Conclusioni e lavoro futuro Sulla base di quanto illustrato fin qui, per il completamento della base di dati si prevede di: 1. codificare le restanti metafore concettuali (la base di dati di Berkeley, ad esempio, contiene informazioni in relazione a 207 metafore, quindi si dovranno valutare almeno tutte le metafore contenute in quella risorsa); 2. codificare le informazioni di cui ai punti 4., 6., 11., in parte 12., e 13. del par. precedente.

5 Italian Metaphor Database Al fine di realizzare il lavoro indicato ai punti 4. e 6., sarà necessario prendere in esame diverse Ontologie toplevel, e selezionare quella/e che più risponde/rispondono al requisito della ri-utilizzabilità, che deve caratterizzare l intera base di dati. Per quanto riguarda l inserimento di dati da un corpus dell italiano, si pensa di utilizzare l Italian Reference Corpus, sviluppato presso l Istituto di Linguistica Computazionale del C.N.R. di Pisa. In merito poi al punto 12., un approfondimento dell aspetto relativo alle corrispondenze tra metafore in varie lingue (necessario per codificare i collegamenti tra basi di dati diverse) assumerebbe una grossa rilevanza nell ottica di un possibile utilizzo della base di dati per varie applicazioni: da applicazioni nel settore computazionale che prevedono l esecuzione di tasks in campo multilingue (e.g., sviluppo di moduli per la traduzione automatica, cross-language information retrieval, sviluppo di software per l insegnamento/ apprendimento di lingue straniere, ecc.) ad applicazioni più immediate nel settore dell insegnamento delle lingue straniere, visto che la base di dati può essere vista anche come strumento da consultare direttamente nello studio/lavoro sulle lingue. 6. Riferimenti Alonge, A. e Castelli, M. (2002a). Metaphoric Expressions: an Analysis of Data from a Corpus and the ItalWordNet Database. In Proceedings of the 1st International WordNet Conference, Mysore, India, pp Alonge, A. e Castelli, M. (2002b). Which Way Should We Go? Metaphoric Expressions in Lexical Resources. In Proceedings of the 3rd International Conference on Language Resources and Evaluation, Las Palmas, Isole Canarie, Spagna, pp Alonge, A. e Castelli, M. (2003). Encoding Information on Metaphoric Expressions in WordNet-like Resources. In Proceedings of the Workshop on the Lexicon and Figurative Language - 41st Annual Meeting of the Association for Computational Linguistics, Sapporo, Giappone, pp Alonge, A. e B. Lönneker (2004). Metaphors in Wordnets: from Theory to Practice. In Proceedings of the 4 th International Conference on Language Resources and Evaluation, Lisbona, Portogallo, pp Alonge, A. (2006). The Italian Metaphor Database. In Proceedings of the 5 th International Conference on Language Resources and Evaluation, Genova, Italia. Barnden, J.A. e Lee, M.G. (2002). An Artificial Intelligence Approach to Metaphor Understanding. In T. Komendzinski (a cura di), Metaphor: A Multidisciplinary Approach, special issue, Theoria et Historia Scientiarum, 6, 1, pp Casadei, F. (1996). Metafore ed espressioni idiomatiche. Uno studio semantico sull italiano. Roma: Bulzoni. Eilts, C. e Lönneker, B. (2002). The Hamburg Metaphor Database. Metaphorik.de, 3, pp Feldman, J. e Narayanan, S. (2004). Embodied Meaning in a Neural Theory of Language. Brain and Language, 89, pp Fellbaum, C. (a cura di) (1998). WordNet: an Electronic Lexical Database. Cambridge, MA: MIT Press. Kövecses, Z. (2002). Metaphor. A Practical Introduction. New York: OUP. Lakoff, G. (1988). Teoria della metafora. In G. Lakoff e M. Johnson, Elementi di linguistica cognitiva. Urbino: Quattroventi, pp Teoria della metafora, in, Urbino, pp Lakoff, G. (1993). The Contemporary Theory of Metaphor. In A. Ortony (a cura di), Metaphor and Thought. Second Edition. New York: Cambridge University Press, pp Lakoff, G. e Johnson, M. (1980). Metaphors we Live by. Chicago: University of Chicago Press. Lakoff, G. e Johnson, M. (1999). Philosophy in the Flesh. The Embodied Mind and its Challenge to Western Thought. New York: Basic Books. Lakoff, G. e Turner, M. (1989). More than Cool Reason. Chicago: University of Chicago Press. Martin, J.H. (1994). MetaBank: a Knowledge-Base of Metaphoric Language Conventions. Computational Intelligence, 10, 2, pp Narayanan, S. (1999). Moving Right Along: a Computational Model of Metaphoric Reasoning about Events. In Proceedings of the National Conference on Artificial Intelligence AAAI-99, Orlando, Florida, pp Roventini, A., Alone, A., Bertagna, F., Calzolai, N., Cancila, J., Girardi, C., Magnini, B., Marinelli, R., Speranza, M. e Zampolli, A. (2003). ItalWordNet: Building a Large Semantic Database for the Automatic Treatment of Italian. In A. Zampolli et al. (a cura di), Computational Linguistics in Pisa, Special Issue, vol. XVI-XVII. Pisa: Giardini, pp Vossen, P. (a cura di) (1999). EuroWordNet General Document. EuroWordNet (LE2-4003, LE4-8328), Part A, Final Document. Consultabile al sito: