本研究提供了一种新的借词识别资源，并分析了几种模型在此任务上的性能和错误。我们介绍了一个新的西班牙新闻语料库，其中包含 370,000 个标记，用于评估几种序列标记模型（CRF，BiLSTM-CRF 和基于 Transformer 的模型）的表现。我们的结果表明，一个 BiLSTM-CRF 模型配合子词嵌入，以及预先训练对话切换数据的 Transformer-based 嵌入或一个上下文化词嵌入的组合胜过多语种 BERT-based 模型得到的结果。

Mar, 2022

使用跨语言词向量检测印度 14 种语言的同源词，通过知识图谱生成上下文特征表示以提高同源词检测方法，并在 12 种印度语言和 2 种新语言上评估此方法，获得最高 18% 的 F-score 和 2.76 BLEU 的 NMT 改进，最后公开代码和数据集。

Dec, 2021

通过两个大规模案例研究验证了一种方法，用于丰富计算词典中与语言多样性相关的内容。这种方法通过研究亲属称谓的领域，在七个阿拉伯方言和三种印度尼西亚语言中证实了多样性的存在。结果为丰富之前对亲属称谓的语言学研究提供了扩展，并揭示了即使在语言和文化上相近的社区内也存在着多样性的程度。

Aug, 2023

通过探索与语言的亲缘关系、接触领域、普遍性或偶然性相关的词汇联合，本研究通过构建大规模图表，包含语义、亲缘、音系和地理数据，从而揭示了亲缘稳定性和接触引起的变化对跨语言相似性的语言学影响。该研究支持了语言学领域先前的一个假设，并提供了反证证据，为跨学科研究，例如多语言自然语言处理和比较语言学，提供了一个开放的研究资源。

Jan, 2024

通过大量非母语英语使用者的语料库，研究发现词汇选择受到个人母语的影响，特别是语序和词汇语境，甚至从单个例子出发可以重构印欧语系的语言家族树。

May, 2018

本文介绍了一组用于识别借用单词的计算方法，这些方法是基于社交媒体的信号的。通过 Spearman 相关系数值，我们的方法在预测借用可能性方面比文献中报道的最佳基准线表现好两倍以上（近 0.62 比近 0.26）。我们根据这种可能性估计要求标注员重新标注主要为本土语境中的外语词的语言标签。在 88％的情况下，标注员认为应该用本地语言标签替换外语标签，从而表明自动语言识别系统有很大的改进空间。

Jul, 2017

这篇研究利用谷歌图书 Ngram 数据集分析了英语、法语、德语、意大利语和西班牙语之间单词的流动情况，并研究了一类称为 “移民词” 的借词现象，发现大部分移民词可归类到语义领域，并与历史事件相关联。研究积累移民词的统计特性、排名动态，提出了一种可用作文化影响代理的移民词使用量度量方法，并鼓励展开进一步研究。

Jan, 2023

介绍了最近计算技术中应用到词汇语义变化的方法与工具，着重研究了语义变化的历时概念变化扩展。

Nov, 2018

本研究提出了一种简单的跨语言抄袭检测方法，不依赖于机器翻译和词义消歧，适用于许多语言，包括资源匮乏的语言，其有效性已证明在几个现有和新的基准中达到了最先进的成果，特别是对于法语、俄语和亚美尼亚语，其依赖于开放式多语言词库和预先训练好的多语言 BERT 语言模型。

Apr, 2023

跨语言计算建模的形态变化研究通常采用与语言无关的数据分割算法。本文采用特定语言的探测器来测试形态变化的一些普遍规律。通过在英语、西班牙语和斯瓦希里语这三种形态学上有明显区别的语言上测试这些探测器，我们发现了三种主要的形态变化系统在屈折类和特征集上都采用了不同的普遍规律策略，无论是在拼写还是在音标输入上。

Oct, 2023