DHPLT：大规模多语言历时语料库与语义变化建模的词向量
计算与语言
2026-02-13 v1
摘要
本资源论文介绍 DHPLT，即开放式的41种多语言历时语料库集合。DHPLT 基于网页抓取的 HPLT 数据集；我们利用网页抓取时间戳作为文档创建时间的近似信号。该集合覆盖三个时间段：2011-2015 年、2020-2021 年和 2024 年至今（每个语言每个时间段各 100 万篇文档）。我们另外提供预计算的词类型和词标记嵌入向量，以及所选目标词的词汇替换，同时保持开放性，供其他研究者使用相同数据集自行构建目标词。DHPLT 旨填补当前在语义变化建模领域存在的多语言历时语料库不足问题（仅限于一 dozen 种高资源语言之内）。它为该领域的多种新实验设置开辟了途径。本论文描述的所有资源均可在 https://data.hplt-project.org/three/diachronic/ 按语言查询获得。
引用
@article{arxiv.2602.11968,
title = {DHPLT: large-scale multilingual diachronic corpora and word representations for semantic change modelling},
author = {Mariia Fedorova and Andrey Kutuzov and Khonzoda Umarova},
journal= {arXiv preprint arXiv:2602.11968},
year = {2026}
}
备注
LChange'26 workshop at the EACL 2026 conference