我们提出了一种可解释的基于网络的框架，用于表示八种类型多样语言中的习语和比喻意义，共计160个常用表达，其中绝大多数为习语。每个表达都使用来自认知语言学理论的二元概念特征（如包含性、隐蔽性、情感、社会等）进行标注，成对的Jaccard相似度定义了一个加权图。
社区检测显示，习语按概念框架聚类而非按语言聚类，产生的结构与认知语言学预测一致。该概念网络捕捉了分布式嵌入中没有的独特语义信息，能够通过自动标注与大规模语言模型（LLMs）进行扩展，改善下游习语检测，并在语料频率丰富时保持稳健。
跨语言迁移实验表明，仅凭概念接近性就能识别五个语言家族中的可接受翻译等价物，相较于基于嵌入的基线显著提升。消融研究表明，三种特征维度——框架、角色和效价——对网络的组织属性和习语检测性能均有非冗余的贡献，且特定的图派生信号（社区成员身份、邻居相似性）尤其具有信息价值。
该框架提供了一种可解释的、跨语言稳定的习语意义表示，结合了理论基础与实际应用价值。
博主点评： 该研究通过构建基于特征的概念网络，为跨语言习语的理解提供了新的视角，尤其是其在语义捕捉和翻译等应用中的潜力，值得深入探索。该方法的有效性与跨语言迁移能力为多语言处理领域带来了重要启示，显示出图结构在语言学中的创新应用前景。