本文使用多种测量方法对语言间的大量数据进行操作和批判，该方法与在许多语言中的基本颜色术语和其获取顺序相关，同时提出建议将其视为光谱而非二分法。

Oct, 2019

本研究使用中文颜色参考游戏数据，证实了中英语境下同样表现出对语境难度的敏感性；并展示了采用多任务学习方法训练的神经说话人模型，相比其单语中文模型更贴近人类对语境的依赖，并且不会以达到语言特定的语义理解为代价。

Mar, 2018

语言理解中的基础是一个活跃的研究领域。以颜色感知和颜色语言为研究基础，通过实证研究发现，颜色空间和语言模型定义的特征空间之间存在相当大的一致性。通过收集包含近 100 万个颜色及其描述的大规模数据集，进行两种对齐方式的实证分析：（i）跨空间对齐，即学习嵌入空间和颜色空间之间的映射，以及（ii）内部空间对齐，通过提示颜色描述之间的比较。我们的结果表明，尽管对于单词基础、高度实用的颜色描述，颜色空间对齐成立，但在存在主观性和抽象性等真实语言使用元素的示例中，这种对齐性显著降低，这表明在这种情况下可能需要基础。

Nov, 2023

该论文提出了一种基于递归语用推理框架的实用指称表达解释模型，利用两个循环神经网络分类器的预测来识别颜色，实验证明模型比分类器更准确地解释颜色描述，并且大部分改进来自于结合说话者和听者视角。

Mar, 2017

通过众包的方式，我们提出了一种方法来创建一个大的单词 - 颜色关联词典，着重于抽象概念和情感，以表明它们也往往具有强烈的颜色关联，同时展示了单词 - 颜色关联是如何在语言中体现的，并量化了自动检测颜色关联的有用性。

Sep, 2013

利用双向长短期记忆网络与主动学习，开发了一种新型模型，旨在桥接我们对无数色调的视觉感知和准确表达与命名它们的能力。这项研究的主要目标是创造一个多功能工具，用于对以前未命名的颜色进行分类和命名，或者识别逃避传统颜色术语的中间色调。通过严谨的实验和分析，这项研究揭示出自然语言处理在各个行业中应用的潜力。通过促进对广阔颜色谱的探索，自然语言处理的潜在应用超越了传统边界。

Nov, 2023

通过 Glasgow 规范和人类对 5000 个单词的评分，我们在来自 LitBank 的作家作品中进行了颜色使用的定量分析，发现名词的具体性随时间显著增加，并提出了计算文学色彩分析的未来研究方向。

Jan, 2023

本文研究了文本预训练的固有局限性，提出了报告偏差作为该限制的原因之一，并分析了多模态训练在解决该问题方面的效果。研究使用了 Color Dataset 并比较了文本中的颜色分布，语言模型捕获的分布以及人类感知中的颜色分布，结果表明文本中的 reporting bias 负面影响并固有限制了单一模态训练，而多模态模型可以减轻此类影响。

Oct, 2021

本文通过使用预先训练的语言模型，对颜色的结构性关系进行研究，发现在理解色彩的感知结构方面，较为温暖的颜色比较接近于感知颜色空间。

Sep, 2021

本文研究语义系统的效率问题，使用基于信息瓶颈原理的文化演化模型，结合迭代学习和通信，实现了神经网络计算颜色命名系统，结果表明这种模型是高效的，且与人类颜色命名系统相似。同时还发现，仅靠迭代学习或仅靠通信无法实现相同的效果。

May, 2023