介绍了最近计算技术中应用到词汇语义变化的方法与工具,着重研究了语义变化的历时概念变化扩展。
Nov, 2018
该研究论文介绍语义变化的计算建模方法,对不同类别的模型进行优缺点讨论,探讨了语义变化计算研究的重要方面与评估技术。
Apr, 2023
本章节介绍了在计算科学和语言学领域日益增长的兴趣中,对大规模历时文本数据建模和检测语义变化的主要方法,大多数方法都使用神经嵌入,虽然神经模型是易于建模历时文本的主要原因之一,但在解决问题的许多方面距离理想状态还有很远的路要走,该领域有着若干个开放和复杂的挑战。
Jan, 2021
现代计算语言学的研究活动趋势包括语义变化的特征化、新词汇与计算语言学的关系,以及计算语言学算法(如翻译、信息检索、问答等)中语义变化的影响。
Feb, 2024
本文提出从变化检测到变化发现的新方向,重点在于发现全文词汇中的新单词含义变化。通过对最近发表的德语数据进行深度调整,研究人员证明了两种模型都可以成功地应用于发现正在经历含义变化的新单词。此外,还提供一个几乎全自动化的框架用于评估和发现。
Jun, 2021
历史语言学家确定了多种形式的词汇语义变化。我们提出了一个三维框架,用于整合这些形式,并提供了一种统一的计算方法来同时评估它们。这个框架能够经济、系统地绘制词汇语义变化,并在计算社会科学中应用。我们对两个语料库中的心理健康和心理疾病的语义转变进行了分析,展示了关于病态化、社会污名化和概念蔓延的当代关注的语义变化模式。
Jun, 2024
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
第一项共享任务的结果,提供了评估框架和高质量的英语,德语,拉丁语和瑞典语手动注释数据集,解决了词汇语义变化检测领域中评估问题的压力,并吸引了 33 个团队提交了 186 个系统。
Jul, 2020
本文通过对词汇语义分歧的跨学科大规模评估,在时间尺度和领域范畴两方面开展语义感知变化的检测,并通过集成和扩展基准模型来解决评估历程中表面性和缺乏比较的挑战。此外,本文还展示了利用相同的评估方式和建模方法可以成功地应用于术语提取领域异构感知偏离的同步性检测。
Jun, 2019
本文介绍我们在 SemEval2020 任务 1 中创造性的提出了语义变化检测方法,该方法是全自动的,不需要人工干预,且独立于语言;我们利用标准相关分析和正交变换计算语义空间之间的线性变换,并通过比较早期和晚期语料库中目标单词的向量之间的余弦相似度来检测语义变化。
Nov, 2020