COVID-19 如何改变我们的语言：检测推特词嵌入中的语义漂移
计算与语言
2021-02-17 v1
摘要
词语是可塑的对象，受反映于文本中的事件影响。立足于 COVID-19 全球暴发，我们的研究旨在检测由健康危机引发的社会媒体语言中的语义漂移。利用从 Twitter 提取的 COVID-19 相关大数据，我们为暴发后不同时间段分别训练词嵌入模型。我们采用基于对齐的方法将这些嵌入与和 COVID-19 无关的通用 Twitter 嵌入进行比较。我们还比较了所训练嵌入彼此之间的差异以观察历时演变。通过对主题检测选出的一组词进行案例研究，我们验证了对齐方法的有效性。最后，我们基于往返旋转对齐的稳定性度量量化了全局语义漂移的规模。
引用
@article{arxiv.2102.07836,
title = {How COVID-19 Is Changing Our Language : Detecting Semantic Shift in Twitter Word Embeddings},
author = {Yanzhu Guo and Christos Xypolopoulos and Michalis Vazirgiannis},
journal= {arXiv preprint arXiv:2102.07836},
year = {2021}
}