GASC：面向古希腊语的体裁感知语义变化模型
计算与语言
2020-07-23 v2 机器学习
机器学习
摘要
词义随时间而变化，取决于语言和非语言因素。在历时的研究中，将词在其历史语境中的正确含义关联起来是一项核心挑战，并且与一系列自然语言处理任务相关，包括历史文本中的信息检索与语义搜索。用于语义变化的贝叶斯模型已成为应对这一挑战的有力工具，提供了对语义变化现象的显式且可解释的表示。然而，尽管语料库通常带有丰富的元数据，现有模型受其无法利用除文档时间戳以外的语境信息（如文本体裁）所限。在古语言的情形中这一点尤为关键，因为数据匮乏与漫长的历时跨度使得区分一词多义（一个词具有多个义项的事实）与语义变化（获得、丧失或改变义项的过程）更为困难，且现有系统在这些语言上表现不佳。我们开发了 GASC，一种动态语义变化模型，它利用关于文本体裁的分类元数据来增强推断并揭示古希腊语语料库中词义的演变。在一个新的评估框架中，我们的模型相比当前最优方法取得了更好的预测性能。
引用
@article{arxiv.1903.05587,
title = {GASC: Genre-Aware Semantic Change for Ancient Greek},
author = {Valerio Perrone and Marco Palma and Simon Hengchen and Alessandro Vatri and Jim Q. Smith and Barbara McGillivray},
journal= {arXiv preprint arXiv:1903.05587},
year = {2020}
}