- 使用迭代学习模型建模语言接触情况
通过迭代学习模型研究语言接触过程中的变化抵抗性,表明即使与其他语言混合后,语言仍然保持其核心特征。
- 一个混合监督和无监督学习的语言演变迭代学习模型
通过使用神经网络进行监督学习和自监督学习,本文提出了一种新的模型,旨在解决语言转换中存在的计算负担问题,并引入了人类发展过程中观察到的监督和非监督学习的混合。
- 社会规范的转变作为语言变革的驱动力:德国联邦议院中有关语言和性别的斗争
本文研究了基于社会规范转变而导致的语言变化,特别关注语言与性别的辩论。通过对德国联邦议院中的语言和性别问题进行分析,文章揭示了语言和性别在议院中是一个长期存在的议题,并讨论了此前的语言争端对当前有关性别包容性语言的激烈辩论的影响。
- 社交媒体上的语言分歧演变
利用社交媒体数据,我们对美国党派的左右分歧进行语言分析,发现在话题、情感和词汇语义方面存在语言差异,并对可能导致语言分化的沟通问题提出警示。
- 语言变化中选择机制的可靠识别
本文探讨了语言变化是如何通过文化进化的过程中进行的,我们应用了最近引入的方法来量化历史语言变化中选择强度,这个方法比以前应用过的类似方法更可靠和易于解释,结果表明在语音形式和语法形式之间选择时,倾向于语音形式简单性,最终证明了可以使用历史语 - ACL量化词汇衰退中的认知因素
本文采用进化论的视角,结合社会和认知因素,探讨心理语言学方面的语义、分布和语音等因素,分析三种语言(英语、法语和德语)历史数据,并利用逻辑回归分析,表明语义和分布等因素能有效预测词汇下降,而这些下降词汇往往会随着时间的推移而逐渐缩小它们的 - EMNLP协作教学中的语言变化分析
研究围绕目标展开的协作性教学任务,对语言变化进行了分析,发现指导者在与学习者越来越熟练的情况下,会增加语言复杂度以更好的协作。
- ACL委婉语中性别不对称的历时评估
本文通过在四个大规模的英语历时文本语料库上进行数量分析,评估了女性是否比男性更多地使用委婉语,并发现女性并未比男性更多地使用委婉语,这表明在广泛的情景中,女性并不比男性更多使用或形成委婉语。
- 交际需求调节语言变化中的竞争
介绍了一种量化语言元素之间竞争的通用方法,这种方法可适用于不同语言和语言子系统的语料库,研究发现沟通需要的变化对词汇竞争动态有着一致的预测能力,相似的单词如果经常出现在语言用户认为重要的话题中会直接竞争,这可能会导致其中某一竞争单词的灭绝, - ACL通过最小代价流进行神经解密:从乌加里特语到线性 B 语
本文提出一种新颖的神经方法来自动解密失落的语言,该模型利用历史语言学中记录的语言变化模式来补偿强监督信号的缺失。通过将训练过程形式化为最小成本流问题,我们训练模型以非监督的方式工作,该方案在解读乌加里特语方面取得了 5.5%的绝对改进,在解 - ACL文本表示的敌对分解
本文提出了一种文本表示的对抗性分解方法,并通过两个案例展示其能够进行精细控制元素变化,并学习连续的风格表示。该模型使用对抗性训练和特定的动机损失,并在下游任务中表现优异。
- ACL关于词形变化中不规则性的历时稳定性
本文使用循环神经网络模拟语言学习者,定量研究了语言中不规则单词的存在条件,测试了单词频率与不规则性之间的历时关系。
- 社交和语言环境对非标准词的流行与衰退的影响:实现 “fetch” 流行的方法
通过对在线社区 Reddit 中非标准词汇增长的大规模分析,研究了语言变化中社交和结构因素之间的联系,发现跨越多个语言环境的传播是增长的迹象,而社交传播可能不如以前所假设的那样重要。
- 使用正字与变形文字特征化在线社区实践中的厌食症话题
研究社群內語言的變化,使用超過兩百萬則 Instagram 貼文的數據,發現新進成員會採用深度正字法,並且隨著時間越來越深,與原本的拼法差異也越大,這種變化是由新進成員帶動的,深度正字法也會帶來較高的點閱率,提高社群成員的參與度與活躍度。
- 动态伯努利嵌入在语言演化中的应用
本文提出了动态词嵌入的概率框架,通过分析三个历史文本集合,证明了动态词嵌入提供比传统词嵌入更好地适应和更好地捕捉语言变化的有趣模式。
- 人类方言的空间演化
人类方言的地理分布模式由历史决定,我们提出的简单语言变化空间模型可以预测历史演化的结果,因为其驱动作用可以推动很多复杂的,随机的早期状态走向更稳定的最终配置。
- 在线网络中语言变化的社会动态
使用推特数据集跟踪语言变化,揭示了语言变化是一种社会影响,基于 Hawkes process 模型验证了社交网络中的强关系在语言影响中扮演重要角色。
- 语言变化中的进化力量
研究语言变化的机制,使用语料库分析了英语中三个语法变化,结果表明对于某些语言变化,我们可以拒绝随机漂移并选择选择性驱动力,但对于其他语言变化,这种情况并非如此。