该研究提出了一种基于语义标记的计算方法来分析语篇中的异议和让步关系，澄清了语言学中的词汇语义在引发语篇中显性和隐性关系方面的贡献，并探讨了不同词性在其中所扮演的角色，从而为语料库和计算语言学之间的研究架起了一座桥梁。

Aug, 2022

本文重新访问了填补 WordNet 中同音异义词及多义词间差异的问题，并且利用语言模型对此进行了合成标注。

Dec, 2022

本文提出基于语料库的机器学习算法作为识别类比、近义词、反义词和联系词的方法，并且验证了其有效性

Aug, 2008

本文介绍了一种测量关联相似性的方法 —— 潜在关联分析（LRA），该方法在信息提取、词义消岐和信息检索等领域具有潜在应用价值，并且与人类平均水平相当地达到了 374 个类比问题的 56% 的得分，同时，在语义关系分类的问题上，LRA 较 VSM 也取得了相似的增益。

Aug, 2006

本论文研究语言和计算方面在短语、从句、句子和段落之间可能存在的意义关系，特别关注了近义词替换、文本蕴涵、矛盾和语义相似性，并探讨了量化语义相似度的不同方法，以及自动化的近义词识别。

Aug, 2022

通过构建模型，本文提出一种检测词义变化类型的方法，利用同步词汇关系和词义定义的信息，通过在 WordNet 上使用同义词集定义和层次信息，在 Blank（1997）的语义变化类型数据集的数字化版本上进行测试，最后展示了感觉关系如何提高语义相关性和二元词汇语义变化检测的模型。

Jun, 2024

基于 InterlaCed Encoder NETworks 的反义词与近义词的区分方法，在词汇语义分析和自动词汇资源构建中具有较好效果，相对其他研究在准确性上提升了 1.8% 的 F1-measure 得分。

Jan, 2024

本篇论文介绍了一种将分布式语义学从单个单词扩展到词对、短语和句子等的方法，通过使用组件词中的成对相似性来比较两个元组，从而实现关系相似性（类比）和组成相似性（释义）之间的转换，并通过监督学习生成组合函数。在衡量单词对之间的关系相似性（SAT 类比和 SemEval 2012 任务 2）和名词修饰短语和单个词之间的组成相似性方面取得了最优结果。

Oct, 2013

该论文提出了一种多环境下的同义词发现框架，使用分布式假设和神经网络模型 SYNONYMNET，从自由文本语料库中检测出实体的同义词，以提高实体消歧或知识图谱规范化等任务的效果和稳健性。

Dec, 2018

通过本文，我们引入了概念归纳这个非监督任务，从数据中学习一组定义概念的词语软聚类，该任务概括了词义归纳的任务。我们提出了一种双层方法来进行概念归纳，充分利用了本地词元为中心和全局跨词库视角来引导概念的生成。我们在 SemCor 的注释数据上评估所得到的聚类，并获得了良好的性能（BCubed F1 大于 0.60）。我们发现在我们的设置中，本地和全局层次相互有益于概念和词义的生成。最后，我们创建了表示我们引入的概念的静态嵌入，并在上下文任务中使用它们，取得了与现有技术相媲美的性能。

Jun, 2024