语法分析应用于语义变化检测
在这项研究中，我们探究了大型预先训练的上下文感知语言模型和语法特征分析在语义变化检测方面的异同。结果表明，将语法特征分析和语言模型相结合能够提高语义变化检测的性能，尤其是对于大部分数据集和语言而言。但对于一些跨度时间相差较长的测试集，语法特征分析检测效果较差，而语言模型则表现良好。
Apr, 2022
提出了一种新的计算方法，用于跟踪和检测单词的语义和用法中的统计显着语言转变，并对一定时间内的单词用法进行了分析，最终使用深度人工神经网络模型，构建了时间序列，使用其跟踪了语言变化趋势。
Nov, 2014
该论文评述了语义变化计算在计算语言学领域中的发展现状，提出了一个框架，总结了该领域的五个关键组成部分：历时语料库、历时词义表征、变化建模、评估数据和数据可视化，并指出了该领域存在的核心问题。
Jan, 2018
本文提出了第一种使用上下文词表示进行无监督词汇语义变化的方法。利用 BERT 神经语言模型来获取单词用法的表示，将这些表示聚类到用法类型，并用三种提出的度量方式衡量关于时间的变化。创造了一个新的评估数据集，并表明模型表示和检测到的语义转移与人类判断之间呈正相关。 extensive 的定性分析表明，我们的方法捕捉了各种同步和历时语言现象。我们期望我们的工作将激发进一步的研究。
Apr, 2020
基于英语和德语的议会辩论文献，本研究使用五个依赖解析器对句法语言变化进行历时趋势分析，包括线性依赖距离和其他与依赖距离最小化相关的度量标准，结果表明在不同的度量标准下，句法语言变化在英语和德语中具有类似趋势，且变化更频繁出现在句子长度分布的两端，这是一项使用现代自然语言处理技术的英语和德语句法语言的最广泛分析。
Feb, 2024
本文介绍了一种基于图的半监督学习方法，利用单词之间的形态、句法和语义关系，从种子集合自动构建广覆盖的词汇表。该方法不受语言约束，可用于 11 种语言，并可通过提供的自动创建词汇表提高词汇标记和依存解析的性能。
Dec, 2015
本文提出了一个关于词对中同义词语义演变的权衡法则的评价框架，利用分布语义模型提供了证据并探讨了挑战，结果支持了不同化法则的主导作用。
May, 2023
本文介绍了两种不同的分布式度量方法如何用于检测两种不同类型的语义变化，第一种方法分析词汇分布语义的全局转变，对语言漂移等规则过程的变化敏感，第二种方法则更敏感于文化转变，两种方法的比较可以帮助研究人员确定变化的性质是更具文化性还是更具语言学性。
Jun, 2016
该综述文章阐述了分布语义学在理论语言学领域的影响有限，但其成功地捕捉了自然语言诸多意义方面，并回顾了该领域在语义变化、一词多义及组合，以及语法 - 语义接口等领域的研究成果，旨在在理论和计算语言学之间进行更大规模的交叉授粉，以推进我们集体的语言知识。
May, 2019