词嵌入中语义关系的时态动态：预测武装冲突参与者的应用

EMNLPJul, 2017

词嵌入中语义关系的时态动态：预测武装冲突参与者的应用

Temporal dynamics of semantic relations in word embeddings: an application to predicting armed conflict participants

Andrey Kutuzov, Erik Velldal, Lilja Øvrelid

TL;DR本文介绍了一种使用词嵌入模型跟踪词对之间语义关系的时间动态的方法，采用增量学习和预测建模，并在乌普萨拉武装冲突数据集上评估了该方法的可行性和效果。

Abstract

This paper deals with using word embedding models to trace the temporal dynamics of semantic relations between pairs of words. The set-up is similar to the well-known analogies task, but expanded with a time dimension. To this end, we apply incremental updating of the models with new t

word embeddings temporal dynamics semantic relations incremental learning predictive modeling

发现论文，激发创造

基于词向量的一对多类比推理：从新闻文本中预测历时武装冲突的案例

将单词类比任务扩展为一对 X 形式，通过关系发现问题应用于历史武装冲突的数据集上，利用经过训练的英语新闻文本的迭代词嵌入模型作为语义信息源，使用余弦距离的函数阈值来降低假阳性数量，最后发布一个可用于历史武装冲突数据上的一对 X 类比评估的测试集。

Jul, 2019

历时词向量和语义漂移：一项调查

本文综述了当前关于使用预测型词嵌入模型追踪词汇语义时序变化和语义漂移检测的学术研究现状，并讨论了该领域的挑战和应用前景。

Jun, 2018

动态词向量用于演化中的语义发现

该研究通过发展一种动态统计模型学习时态感知的词向量表示，并实现了 “对齐问题” 的解决，从而可以可靠地捕捉时间上的语言演变，并在语义准确性和对齐质量方面持续优于现有的时间嵌入方法。

Mar, 2017

动态词向量

该研究提出了一种基于概率的语言模型，可以跟踪个别单词随时间的语义演变，并通过嵌入空间中的潜在轨迹表示单词和上下文。研究发现，该动态模型推断的单词嵌入轨迹更易解释，并且具有更高的预测性可能性。

Feb, 2017

双向对话中的情感解读：通过句子嵌入利用语义相似性

利用句子嵌入在分析动态交互和预测交谈参与者情感方面的应用尚未广泛探索。本研究使用婚姻夫妇之间关于冲突和愉快活动的口头对话，应用基于 Transformer 的模型 all-MiniLM-L6-v2 获取说话者话语的嵌入，并通过嵌入的余弦相似度计算对话的整体相似度。结果显示语义相似性与妻子在冲突对话中的情感呈正相关，但在愉快对话中则不然。此外，无论对话类型如何，这种关联并未观察到丈夫的情感。通过两次验证检查进一步支持相似度测量的有效性，并证明观察到的模式不仅仅是数据的附属现象。本研究强调了句子嵌入在理解人际动态与个体情感之间关联的潜力，为情感和关系科学的创新应用铺平了道路。

Sep, 2023

利用词向量追踪俄语文化历时语义变化：测试集和基准

介绍了手动注释的测试集，用于跟踪俄语中的历时语义转变，并通过分布式词嵌入模型来自动检测具有强烈或微妙社会和文化变化的名词和形容词词义，提供了实体间语义演变检测的算法和比分。

May, 2019

评估语义变化的句子嵌入模型的比较研究

分析语义变化的模式在长篇实际文本（如书籍或记录）中是有趣的，从文体、认知和语言的角度来看。这项研究也对应用领域，如文本分段、文档摘要和语义新颖性检测是有用的。本文通过时间序列的语义相似性以及多本文学作品的两两句子相似性矩阵比较了几种最近的句子嵌入方法。与以前使用目标任务和精心策划的数据集比较句子嵌入方法的研究不同，我们的方法提供了对方法在现实情境的评估。我们发现，大部分句子嵌入方法确实能够在给定文档中推断出高度相关的语义相似性模式，但也存在有趣的差异。

Aug, 2023

使用指南针训练时间词嵌入

本文提出了一种基于 Word2Vec 模型的新启发式方法来训练时间词嵌入，即使用不随时间变化的向量作为参考来简化训练过程以提高效率，并在现有数据集上进行的实验结果表明该方法比其他可比较方法表现更好且对语料库大小有更高的鲁棒性。

Jun, 2019

建模语义变化生成时间线

本研究同时使用静态和时变词嵌入来衡量事件对词汇的影响，通过创建历史转折点的时间轴来了解目标词的演化，定量评估结果表明这种技术可以捕捉语义变化和事件影响。

Sep, 2019

面向任务的词向量学习用于语义关系分类

本文介绍了一种新颖的学习方法，用于关系分类的单词嵌入训练，并使用无标注语料库上的词汇关系特定特征预测名词对之间的单词，以将关系特定信息显式地纳入单词嵌入中。通过使用所学习的单词嵌入来构建特征向量，用于关系分类模型。在一个基于语义关系分类任务中，我们的方法表现显著优于基于之前介绍的单词嵌入方法的基准线，并与使用句法信息或手动构造的外部资源的先前最先进的模型相比，表现出了比较良好的结果。

Feb, 2015