우리는 8개의 유형론적으로 다양한 언어에 걸쳐 관용적이고 비유적인 의미를 표현하기 위한 해석 가능한 네트워크 기반 프레임워크를 제시합니다. 이 프레임워크는 총 160개의 일반적인 표현을 다루며, 그 대다수가 관용적입니다. 각 표현은 인지-언어학 이론에서 파생된 이진 개념 특징(포함, 은폐, 감정적, 사회적 등)으로 주석이 달렸고, 쌍별 Jaccard 유사도가 가중 그래프를 정의합니다. 커뮤니티 탐지 결과, 관용구들이 언어가 아닌 개념적 스키마에 따라 군집화되는 것이 밝혀졌으며, 이는 인지-언어학적 예측과 일치하는 구조를 만듭니다. 이 개념 네트워크는 분포 임베딩에는 존재하지 않는 고유한 의미 정보를 포착하며, LLM을 이용한 자동 주석화를 통해 확장 가능하고, 다운스트림 관용구 탐지를 개선하며, 코퍼스 빈도수로 풍부해질 때 견고함을 유지합니다. 교차 언어 전이 실험은 개념적 근접성만으로 5개 언어군에 걸쳐 허용 가능한 번역 등가물을 식별할 수 있음을 보여주었으며, 임베딩 기반 기준선보다 상당한 성능 향상을 보였습니다. 제거 연구(Ablation studies)는 세 가지 특징 차원—스키마, 역할, 가치(valence)—모두가 네트워크의 조직적 속성과 관용구 탐지 성능에 중복되지 않게 기여하며, 특정 그래프 유도 신호(커뮤니티 멤버십, 이웃 유사성)가 특히 정보성이 높다는 것을 입증합니다. 본 프레임워크는 이론적 근거와 실질적인 효용성을 결합하여 관용적 의미의 해석 가능하고 교차 언어적으로 안정적인 표현을 제공합니다.