Jul, 2024

TartuNLP在AXOLOTL-24中利用分类器输出进行词汇语义新义项检测

HTML
PDF
TL;DR我们在AXOLOTL-24共享任务中提交了我们的研究成果，共享任务包括两个子任务：识别单词随时间获得的新义项（在比较较新和较旧的时间段时）和为识别出的新义项提供定义。我们通过实现一个概念简单且计算成本低的解决方案来完成这两个子任务。我们训练了基于适配器的二分类模型，用于将词汇解释与用法示例匹配，并利用模型的概率输出来识别新义项。这些模型还用于将新义项的用法示例与Wiktionary的定义进行匹配。我们的提交在第一个子任务上获得第三名，在第二个子任务上获得第一名。
发现论文，激发创造
  • 不同时间尺度下单词意义变化的自动识别

    本文提出了一种无监督的方法来区分名词的意义变化，并通过数字化书籍中的严格时间变化文本数据构建分布式词库网络，将它们分别聚类以获得与不同时间点对应的以词为中心的意义聚类，这种方法可应用于词汇编纂和语义搜索，并经过人工评估和WordNet对比，该算法在48个样本和21个样本分别中正确识别出60.4％的新出现情况，57％的分裂/合并情况，并有44％的新意义得到WordNet验证。

    May, 2014

  • 语义变迁的探测和评估：跨时间和领域

    本文通过对词汇语义分歧的跨学科大规模评估，在时间尺度和领域范畴两方面开展语义感知变化的检测，并通过集成和扩展基准模型来解决评估历程中表面性和缺乏比较的挑战。此外，本文还展示了利用相同的评估方式和建模方法可以成功地应用于术语提取领域异构感知偏离的同步性检测。

    Jun, 2019

  • UWB在SemEval-2020任务1中的词汇语义变化检测

    本文介绍我们在SemEval2020任务1中创造性的提出了语义变化检测方法，该方法是全自动的，不需要人工干预，且独立于语言；我们利用标准相关分析和正交变换计算语义空间之间的线性变换，并通过比较早期和晚期语料库中目标单词的向量之间的余弦相似度来检测语义变化。

    Nov, 2020

  • FEWS：基于词典的大规模低样本词义消歧

    介绍了一个自动从Wiktionary例句中提取的低样本WSD数据集FEWS，它可以提供更全面的WSD模型训练和评估，并进行了实验表明使用FEWS可以更好地捕获罕见意义。

    Feb, 2021

  • 上下文化语言模型用于语义变化检测：经验教训

    本文研究使用基于上下文嵌入方法进行检测历时语义变化的可能存在的输出错误。通过引入单一方法并进行深入的分析，作者发现这种方法可能会将词汇的词典含义变化与上下文语境的变化混淆，同时将词汇实体的句法和语义方面合并在一起。本文提出了一些解决这些问题的未来可能方案。

    Aug, 2022

  • 词义拓展

    本研究提出了一种单词意义的扩展范式，以启发式的方法解决了在语言处理中单词意义消岐的限制，展示了一种基于链式认知模型和语言模型嵌入空间的学习算法，该算法可以有效地扩展英语单词的新意义，同时提高了对训练数据中罕见单词通常使用的WSD模型的预测准确率。

    Jun, 2023

  • 基于图的聚类方法用于检测跨时间和语言的语义变化

    该研究提出了一种基于图的聚类方法，旨在捕捉各种高频和低频单词感知的微妙变化，包括这些感知随时间的获得和丧失。实验结果表明，该方法在四种语言的SemEval2020二元分类任务中显著超过了以前的方法。此外，我们展示了该方法作为一种多功能可视化工具，在语言内部和语言之间设置中检测语义变化的能力。我们已公开提供代码和数据。

    Feb, 2024

  • 英语和瑞典语中未记录的词义检测

    通过使用预训练的上下文词嵌入工具，本文在英语和瑞典语中解决未知意义检测的任务，并通过对现代和历史语料库中的词语用法与语义条目进行比较，证明了模型在少样本情境下能够大幅增加检测到非记录义项的词语用法数目。

    Mar, 2024

  • AXOLOTL'24跨语言可解释语义变迁建模共享任务

    本论文描述了AXOLOTL'24组织和发现的第一次多语言可解释的语义变化建模共享任务。我们介绍了用于该共享任务的新的带有感知标注的芬兰语和俄语历时语义变化数据集，并从现有资源中借用了一份仅用于意外测试的德语数据集。AXOLOTL'24的设置在语义变化建模领域是新的，涉及对未知（新颖）语义的识别以及为这些语义提供类似词典的定义的子任务。论文描述和比较了获胜团队的方法，为历史意义变化的计算方法向可解释性铺平了道路。

    Jul, 2024

  • AXOLOTL-24的深度变化：协同语义变化建模中的WSD和WSI模型

    本研究解决了AXOLOTL-24共享任务中的第一个子任务，旨在将多义词在新时期的用法分配到旧时期的意义和表示新获得意义的聚类中。我们提出并实验了三种新方法，按官方指标实现了最新的结果，并开发了一个能够识别未被任何提供的意义定义描述的用法的模型，这一模型不仅作为我们方法的组件，还可能独立有用。

    Aug, 2024