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

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

本文提出从变化检测到变化发现的新方向，重点在于发现全文词汇中的新单词含义变化。通过对最近发表的德语数据进行深度调整，研究人员证明了两种模型都可以成功地应用于发现正在经历含义变化的新单词。此外，还提供一个几乎全自动化的框架用于评估和发现。

Jun, 2021

现代计算语言学的研究活动趋势包括语义变化的特征化、新词汇与计算语言学的关系，以及计算语言学算法（如翻译、信息检索、问答等）中语义变化的影响。

Feb, 2024

历史语言学家确定了多种形式的词汇语义变化。我们提出了一个三维框架，用于整合这些形式，并提供了一种统一的计算方法来同时评估它们。这个框架能够经济、系统地绘制词汇语义变化，并在计算社会科学中应用。我们对两个语料库中的心理健康和心理疾病的语义转变进行了分析，展示了关于病态化、社会污名化和概念蔓延的当代关注的语义变化模式。

Jun, 2024

利用自动生成的自然语言定义，将上下文单词用法作为可解释的词和词义表示。使用 Flan-T5 语言模型生成每个用法的定义，从用法簇中选择最典型的定义作为词义标签，可在语义变化分析中进行应用。此外，上下文定义在 NLP 中的单词语境语义相似性判断中优于令牌或用法句子嵌入，是一种新的有前途的词汇表示类型。

May, 2023

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

利用大型语言模型生成的上下文词定义作为语义表示，通过比较不同时间段内目标词的分布来检测词汇语义改变的任务中，我们发现生成的定义足够特定和普遍，能够传达充分的信号以对单词集按照其随时间的语义变化程度进行排名。同时，我们的方法在无监督的基于意义的词汇语义变化检测方法中达到或超过了先前的水平。这一方法保持可解释性，允许检查特定转变背后的原因，基于离散的定义作为意义。这是朝着可解释的语义变化建模的又一步。

Jun, 2024

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

提出了一种框架，将同步多义性注释扩展到词汇意义的历时变化，以抵消评估词汇语义变化计算模型的资源不足问题。利用一个直观的语义相关性概念，区分了创新和淘汰意义变化，形成了一个德文测试集，由五个注释者对 22 个目标词中 1320 个使用对的相关性进行了评级。

Apr, 2018