语义变化的两条定律：用分布语义模型预测同义关系变化
计算与语言
2023-05-31 v1
摘要
词汇语义变化研究词的意义如何随时间演化。另一个相关问题是词对之间的词汇关系（如近义关系）是否及如何随时间变化。在历史语言学文献中，关于近义词如何演化目前存在两种相互竞争且看似相反的假说：分化定律（LD）认为近义词倾向于随时间承担不同含义，而平行变化定律（LPC）声称近义词倾向于经历相同的语义变化从而保持近义。迄今为止，鲜有研究使用分布模型来评估这些定律在历史语料上的适用程度。在这项工作中，我们朝着检测给定词对发生LD还是LPC迈出了第一步。在将问题重构为更易处理的任务后，我们结合两种语言资源提出了该问题的首个完整评估框架，并提供了支持LD占优的经验证据。随后我们基于近期词汇语义变化检测文献，提出使用分布语义模型（Distributional Semantic Models）解决该问题的多种计算方法。我们的最佳方法在数据集上取得了高于0.6的平衡准确率。我们讨论了这些方法仍面临的挑战，如一词多义以及近义与上下义之间潜在的混淆。
引用
@article{arxiv.2305.19143,
title = {A Tale of Two Laws of Semantic Change: Predicting Synonym Changes with Distributional Semantic Models},
author = {Bastien Liétard and Mikaela Keller and Pascal Denis},
journal= {arXiv preprint arXiv:2305.19143},
year = {2023}
}
备注
Accepted at The 12th Joint Conference on Lexical and Computational Semantics (*SEM 2023)