基于字形与图像视觉特征的汉语六维感官规范预测

感知语义究竟更多来自语言内部的线索，还是需要借助外部世界的可观察证据，一直是具身语义与符号主义争论的焦点。本文以汉语词汇的六维感官规范评分为预测目标，比较两类信息源的相对作用：一类是词内可迁移特征，代表语言内部、可跨词泛化的线索；另一类是词相关图像特征，通过“词到图像集合”的方式构造视觉世界的代理表示。我们在每个感官维度上分别训练回归模型，对比仅用词内特征、仅用图像特征以及二者融合的预测表现，并在统一的交叉验证划分下进一步做折级别增量检验与解释度分解，区分两类特征的独特贡献与共享成分。结果显示，图像特征在视觉、味觉、嗅觉与触觉维度上具有更稳定、更强的预测能力，并构成融合模型解释度的主要来源；听觉维度则相对更依赖词内特征提供的独特信息。内感受维度整体最难预测，但融合两类信息仍能带来小幅而稳定的改进。总体来看，语言内部线索与图像代理并不是简单的替代关系，它们在不同感官通道上的作用权重存在系统差异。本文提出的归因评估框架为多模态语义建模提供了更细粒度的证据，也为感知语义来源的理论讨论提供了可复现的计算视角。