论词汇语义变更检测的度量标准
计算与语言
2026-02-18 v1
摘要
词汇语义变更检测 (LSCD) 越来越依赖于上下文感知语言模型嵌入，但大多数方法仍然只使用小套件的语义变更度量，主要是平均两两距离 (APD) 和余弦距离 over 词原型 (PRT)。我们引入平均最小距离 (AMD) 和对称平均最小距离 (SAMD)，这些新度量通过衡量跨时间段词汇用法之间的局部对应来量化语义变更。我们在多个语言、编码器模型和表示空间上显示，AMD 在降维和非专业编码器下往往提供更稳健的性能，而 SAMD 在专业编码器上表现更佳。我们建议，LSCD 可能受益于考虑 APD 和 PRT 之外的其他语义变更度量，AMD 为基于上下文感知嵌入的分析提供了一个稳健的选项。
引用
@article{arxiv.2602.15716,
title = {Rethinking Metrics for Lexical Semantic Change Detection},
author = {Roksana Goworek and Haim Dubossarsky},
journal= {arXiv preprint arXiv:2602.15716},
year = {2026}
}
备注
Accepted to the LChange 2026 Workshop, colocated with EACL 2026