- 通过词语替换分析语义变化
我们通过研究由词汇替换引入的意外上下文的影响，建模了语义变化，并提出了一种替换模式作为可解释的语义变化模型，同时还首次评估了使用 LLaMa 进行语义变化检测的方法。
- ACL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 - ACL(聊) GPT 对 BERT 的语义变化检测之战的黎明
这篇研究论文探讨了自然语言处理领域中基于 Transformer 的语言模型，如 BERT 和 ChatGPT，在解决词义变化的时间问题方面的能力，对比了它们在两种 Word-in-Context 任务的历时扩展中（TempoWiC 和 H - ICLR重新审视图机器学习的鲁棒性
本文提出一种更加原则性的对抗图的定义，研究表明当前的 GNN 存在 “过于健壮” 的问题，而该问题可以通过将标签结构纳入推断过程进行解决。
- 语义变迁的计算建模
该研究论文介绍语义变化的计算建模方法，对不同类别的模型进行优缺点讨论，探讨了语义变化计算研究的重要方面与评估技术。
- MM邻域对比变换器用于变化说明
本文提出了一种基于邻域对比变换的改进模型，用于语义变化的描述。实验证明，该方法在三个场景不同的公共数据集上都实现了最先进的性能
- ANTM: 基于对齐的神经主题模型用于探索快速演化的话题
本文介绍了 Aligned Neural Topic Model（ANTM）, 一种动态神经主题模型，它使用文本嵌入来计算不同时间段内的语义相似文档的集群，并对齐文档集群以表示其演变。实验证明 ANTM 在主题相干性和多样性方面均优于其他模 - 使用 TimeLMs 的时间词义消歧
本文探讨了为 EvoNLP 共享任务进行词义消歧的方法，发现使用时间感知语言模型的方法更有效，并探讨了可能的未来发展方向。
- LSCDiscovery：西班牙语语义变化发现和检测的共享任务
本文介绍了在西班牙语中关于语义变化发现和检测的首个共享任务，并使用 DURel 框架手动注释了西班牙语单词的第一个数据集。该任务分为两个阶段：1）分级变化检测，2）二元变化检测。共有六个团队参加了第一阶段，七个团队参加了第二阶段，最佳结果在 - ACLSlangvolution: 俚语中语义变化和词频动态的因果分析
通过因果关系的镜头来研究语言的演变，我们分析了俚语词和非俚语词的语义变化和频率转移，发现俚语词虽然语义变化较小，但频率转移较大。
- 建模语义变化生成时间线
本研究同时使用静态和时变词嵌入来衡量事件对词汇的影响，通过创建历史转折点的时间轴来了解目标词的演化，定量评估结果表明这种技术可以捕捉语义变化和事件影响。
- 分布语义学与语言学理论
该综述文章阐述了分布语义学在理论语言学领域的影响有限，但其成功地捕捉了自然语言诸多意义方面，并回顾了该领域在语义变化、一词多义及组合，以及语法 - 语义接口等领域的研究成果，旨在在理论和计算语言学之间进行更大规模的交叉授粉，以推进我们集体的 - GASC: 古希腊文体感知语义变化
针对古代语言语境中词义变化的 challenges，开发了一种新的 GASC 语义变化模型，可以利用文本流派等类别信息提高推理效果，与现有模型相比，GASC 可以更好地预测古希腊语中的词义演变情况。
- 词汇是可塑的：计算政治和媒体话语中的语义漂移
该研究提出了一种通过比较不同视角之间的话语语义空间来检测语义变化的方法，发现语义变化不仅发生在时间上，同时也发生在不同视角之间，并且频繁出现的词汇不太可能发生语义改变，而多义词则更可能。
- ACL论语义变化的线性性：利用动态图模型研究含义的变化
通过两种图形模型，本文研究语义变化，发现语义变化是线性的，发现了语义变化的两个新规律 / 假设。
- EMNLP文化转变还是语言漂移？比较两种计算语义变化的方法
本文介绍了两种不同的分布式度量方法如何用于检测两种不同类型的语义变化，第一种方法分析词汇分布语义的全局转变，对语言漂移等规则过程的变化敏感，第二种方法则更敏感于文化转变，两种方法的比较可以帮助研究人员确定变化的性质是更具文化性还是更具语言学 - ACL随时间演变的词嵌入揭示语义变化的统计规律
通过评估 PPMI，SVD 和 word2vec 等词嵌入模型来量化语义变化的方法，我们提出并验证了语义演化的两个定量化规律：与频率呈反幂律相关的语义变化率规律和与多义性无关的语义变化率规律。