实体
SemEval-2020 Task 1: Unsupervised Lexical Semantic Change Detection
SemEval-2020 Task 1: Unsupervised Lexical Semantic Change Detection
PulseAugur coverage of SemEval-2020 Task 1: Unsupervised Lexical Semantic Change Detection — every cluster mentioning SemEval-2020 Task 1: Unsupervised Lexical Semantic Change Detection across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新工具包SynFlow可实现语言变化的多维分析
研究人员开发了SynFlow，一个开源工具包，用于历时语言用法的多维分析。该工具包集成了多种分析工作流，包括句法行为、形态和结构模式，将语言观察转化为特定时期的分布。SynFlow支持不同的距离测量和聚类技术，从而能够全面理解词义如何随时间演变。一项使用德语形容词“viral”的案例研究表明，它能够反映跨句法、词汇、结构和形态维度的语义发展。
-
对 SemEval-2020 Task 1 词义演变检测的批判
一篇新的讨论论文批判性地评估了 SemEval-2020 Task 1，这是词义演变检测的一个重要基准。该论文认为，该基准的实现方式过于狭窄，主要关注离散的词义变化，而非更广泛的语言转变。此外，它还强调了显著的数据质量问题，包括语料库噪声和预处理错误，这些问题会扭曲结果并阻碍可复现性。作者呼吁未来的数据集和任务采用更全面的词义演变理论、透明的预处理文档以及更广泛的语言覆盖范围，以确保该领域取得更有效和更具普适性的进展。