Sep, 2019

建模语义变化生成时间线

PDF
TL;DR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。
language evolutionvocabulary changeword embeddingsevents impactsemantic change
发现论文，激发创造
  • 论语义变化的线性性：利用动态图模型研究含义的变化

    通过两种图形模型，本文研究语义变化，发现语义变化是线性的，发现了语义变化的两个新规律 / 假设。

    Apr, 2017

  • 通过神经语言模型进行语言的时间分析

    该论文提出了一种自动检测语言变化的方法，通过一个按年度训练的神经语言模型来训练 Google Books Ngram 语料库，识别出 “cell” 和 “gay” 等单词在 1900 年至 2009 年间发生了显著变化并同时识别出这些单词发生变化的具体年份。

    May, 2014

  • 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

  • 随时间演变的词嵌入揭示语义变化的统计规律

    通过评估 PPMI，SVD 和 word2vec 等词嵌入模型来量化语义变化的方法，我们提出并验证了语义演化的两个定量化规律：与频率呈反幂律相关的语义变化率规律和与多义性无关的语义变化率规律。

    May, 2016

  • 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

  • 在词使用中捕获进化：只需增加更多聚类吗？

    本文旨在研究语义演变在文本数据中的检测与分析方法，特别是基于上下文嵌入的新方法，通过对比多个方法的表现以及提出相关改进策略，显著提高了现有方法的性能。

    Jan, 2020

  • 将（历史）事实放置在时间线上：一种分类和指代消解方法

    本文采用生成对抗学习以及知识标签相结合的方法实现对多个历史文本文档中事件的时序生成。该方法可为历史学家提供极大帮助。

    Jun, 2022

  • 纵向用户帖子时间表的创建与评估

    该研究提出了一种基于用户在线发布活动的方法，将长期的用户发布内容细分为时间轴，从而找到可能包含用户行为变化有趣时刻的时间轴；并提出了一种新的框架来评估时间轴，并在两个不同的社交媒体数据集的背景下展示了应用的可行性，并讨论高评价时间轴的语言内容。

    Mar, 2023

  • 利用生成模型进行语义轨迹分析的时空叙事

    该研究考虑使用生成语言模型分析语义轨迹痕迹并生成合成语义轨迹数据，从而实现在人类、动物、物品等运动轨迹方面进行未来走向预测，增强机器对行动的理解，从而进一步提高人机交互能力，并增强城市规划、个性化推荐引擎和商业战略等领域的应用。

    Jun, 2023

  • 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