探讨语言的本质及其生成语法对特定句法结构的授权方式等方面的问题，指出重新发现语言作为人类行为的本质并了解它的动态、社会、多模式、有意义、意图在于在他人和自己中促进可取的行动（或思维）可能可能指向语言的新的，可行的解决方案。

Mar, 2023

本文探讨了深度学习模型在语言游戏中发展出不同语言的表现力，即能力体现在能有效编码输入空间信息的程度；通过对不同游戏的通用性表现进行度量，发现该表现力是上下文的复杂性和不可预测性之间的权衡，并对讯息类型塌缩现象进行了研究，结果表明使用陈等人 (2020) 提出的对比损失能够缓解这一问题。

Jun, 2021

本文研究自然语言情感色彩的积极偏向性及其形式分布规律，并对四个大型语料库的情感词性进行量化和分析。

Aug, 2011

本文从几个角度综合了各种主张，提出了一种独特的语言学派，将数学几何观点引入到语法中，描述了一种基于几何学的机制，用于解释人类语言里的显著特征，并提出了一种新型的匹配方法，利用代表单词的标记链来形成句子，并匹配语法词序。最终得到的二维和三维结合体为以往传统语法体系难以准确描述的语言规则提供了一种新视角。

Mar, 2023

研究表明，人类的行为和个性中表达对实体和概念的态度或立场是不可或缺的。本文提出了评估主题的概念，该主题通过将主题模型应用于社交媒体上的评估文本来获得。评估主题与个体文本作者联系起来，建立他们的评估资料。本文将评估配置文件应用于 Reddit 评论，并对评估主题和大五人格特质之间的关系进行了探究。最终，通过观察与先前人格心理学研究一致的相关性，验证了这种方法。

Feb, 2023

研究动词词汇体现出的语态对于文本蕴涵和学习语篇层推断至关重要。我们使用分布语义学有效地模拟了动态类别的两个基本维度，状态与事件以及目的性与非目的性事件。我们发现动词的本地上下文最能表明其语态，并证明封闭类词往往比内容词更具区分能力。我们的方法优于先前的三个数据集。最后，我们提供了一个由人 - 人对话注释的词汇视角数据集，并呈现实验结果，表明终止性与文本体裁和话语目标的相关性。

Oct, 2020

这篇研究使用一个新颖的推理测试来探索语言数据对于计算机理解物理世界的可行性，并强调模型可能直接从纯语言数据中学习的内容。

Aug, 2022

本文综述了计算模型在词汇和语法体貌方面的应用，重点探究静态性、目的性、习惯性、完成、未完成等方面的概念和影响，强调语义学在人类语言理解中的重要性及其在自然语言处理中的重要性。

Aug, 2022

AutoLEX 是一个自动框架，旨在帮助语言学家发现和提取语言现象的简洁描述，如形态一致性、格标记和词序。

Mar, 2022

研究了典型人类书写中的语言产出、语法与词汇复杂度之间的平衡，发现与语言口语类似，书写句子也存在语法与词汇复杂度之间的回报关系，并且与语音产出不同的是，书写过程可以检索到更复杂的词汇，但会牺牲语法结构的复杂度。该研究强调了句子成分易于接近是导致语法与词汇数量之间关系出现的驱动因素。

Jun, 2022