Making "fetch" happen: The influence of social and linguistic context on nonstandard word growth and decline
Georgia Institute of Technology（佐治亚理工学院）
在网络社区里，新词层出不穷：今天的“哈哈”可能会被明天的“lol”所取代。“在线写作的变化通常被视为一个社会过程，创新通过言语社区中的个人网络传播。但与其他类型的创新不同，语言变化是由它所参与的系统塑造和约束的。为了研究语言变化中社会因素和结构因素之间的联系，我们对在线社区Reddit中的非标准词增长进行了大规模分析。我们发现，在许多语言环境中的传播是增长的标志：出现在更多语言环境中的单词增长得更快，生存时间更长。我们还发现，社会传播可能发挥不太重要的作用，在解释字的增长和下降比以前假设的。
2018-08-31 cs.CL cs.SI physics.soc-ph
Linguistic Changes in Spontaneous Speech for Detecting Parkinsons Disease Using Large Language Models
University School of Milwaukee（密尔沃基大学学院）；Boston University（波士顿大学）
本文利用最先进的大语言模型对自发语音中的语言变化进行高维建模，实现帕金森病自动检测，准确率最高达73%，为早期诊断提供了新途径。
2024-04-08 cs.CL eess.AS
Making "fetch" happen: The influence of social and linguistic context on nonstandard word growth and decline
在网络社区里，新词层出不穷：今天的“哈哈”可能会被明天的“lol”所取代。“在线写作的变化通常被视为一个社会过程，创新通过言语社区中的个人网络传播。但与其他类型的创新不同，语言变化是由它所参与的系统塑造和约束的。为了研究语言变化中社会因素和结构因素之间的联系，我们对在线社区Reddit中的非标准词增长进行了大规模分析。我们发现，在许多语言环境中的传播是增长的标志：出现在更多语言环境中的单词增长得更快，生存时间更长。我们还发现，社会传播可能发挥不太重要的作用，在解释字的增长和下降比以前假设的。
2018-02-13 cs.CL
Linguistic Characterization of Divisive Topics Online: Case Studies on Contentiousness in Abortion, Climate Change, and Gun Control
Georgia Institute of Technology（佐治亚理工学院）；Georgetown University（乔治城大学）
随着公共话语继续在网上移动和增长，社交媒体平台上关于分裂话题的对话也有所增加。这些分裂的话题引发了有争议和无争议的对话。虽然这些对话的区别，通常被认为是使这些对话有争议的原因，是众所周知的，但对这些对话的语言特征知之甚少。先前的研究表明，有争议的内容和结构可以预测这个任务，然而，他们中的大多数人都集中在一般的对话，非常具体的事件，或复杂的结构分析。此外，在以前的工作中使用的许多模型缺乏解释能力，这是在线审核的一个关键因素。我们的工作填补了这些空白，专注于高度分裂的话题（堕胎，气候变化和枪支管制）的对话，操作一套新颖的语言和会话特征和用户因素，并将它们纳入构建可解释的模型。我们证明，这些特征可以在很大程度上提高预测性能的这项任务，也使微妙的可解释性。我们对这三个有争议的话题的案例研究表明，某些通用语言特征与会话中的争议性高度相关，而其他语言特征则对特定的分裂性话题产生重大的语境影响。
2022-04-05 cs.CL cs.SI
Geospatial distributions reflect rates of evolution of features of language
Zukunftskolleg, University of Konstanz（康斯坦茨大学未来学院）；University of Cambridge（剑桥大学）；The University of Manchester（曼彻斯特大学）
本文提出一种基于模型的方法，将语言变化视为结合垂直传承、空间交互和突变的随机过程，引入“语言温度”概念，证明可从当前地理空间分布推断语言特征演化速率，无需系统发育或纵向数据。
2025-01-28 cond-mat.stat-mech cs.CL nlin.AO
Quantifying the Risks of Tool-assisted Rephrasing to Linguistic Diversity
University of Konstanz（康斯坦茨大学）
本文首次在多领域人类文本语料库上测量改写工具带来的语义与词汇变化，以量化大语言模型被广泛采用时对语言多样性的潜在风险。
2024-10-23 cs.CL
Investigating Lexical Change through Cross-Linguistic Colexification Patterns
本研究运用系统发育比较模型分析三个语系的词典数据，发现概念关联性、借用倾向和使用频率影响同词化模式，且语系间存在差异。
2025-10-15 cs.CL
Synthetic Linguistic Agency: How an Embodied Mortal Agent Learns Linguistic Affordances through Consequential Social Experience
College of Engineering, Shantou University（汕头大学工程学院）；Department of Computer Science, Shantou University（汕头大学计算机科学系）
本研究提出合成语言智能体（SLA）的可检验标准，开发具身化有限生命智能体（EMA）模型，证实其能通过社会经验学习语言可供性并展现SLA，为合成共情与人机交互研究提供支撑。
2026-08-31 cs.CL cs.MA
On the Interplay Between Fine-tuning and Sentence-level Probing for Linguistic Knowledge in Pre-trained Transformers
Saarland University（萨尔兰大学）
微调预训练的上下文嵌入模型已经成为NLP管道的一个组成部分。与此同时，探测已经成为一种调查预训练模型捕获的语言知识的方法。然而，人们对微调如何影响预训练模型的表示以及它们编码的语言知识知之甚少。本文件有助于缩小这一差距。我们研究了三种不同的预训练模型：BERT、RoBERTa和AL BERT，并通过事件级探测来研究微调如何影响它们的表示。我们发现，对于一些探测任务，微调会导致准确性发生重大变化，这可能表明微调会从预先训练的模型中引入甚至删除语言知识。然而，这些变化在不同的模型、微调和探测任务中差异很大。我们的分析表明，虽然微调确实改变了预训练模型的表示，并且这些变化通常对于更高层来说更大，但只有在极少数情况下，微调对探测准确性的积极影响大于仅使用预训练模型和强大的池化方法。根据我们的研究结果，我们认为，积极和消极的影响微调探测需要仔细的解释。
2020-10-06 cs.CL cs.LG
Characterizing Linguistic Shifts in Croatian News via Diachronic Word Embeddings
TakeLab, Faculty of Electrical Engineering and Computing, University of Zagreb（TakeLab，电子工程与计算学院，泽格雷布大学）
本研究利用25年的950万篇克罗地亚新闻语料，通过分五年窗口训练的skip-gram历时词嵌入量化语义变化，验证了其可捕捉重大事件相关术语的语言变迁，并发现2020年后嵌入的情感积极性上升，与同期心理健康下降的研究结论形成反差。
2025-06-16 cs.CL
Diffusion of Lexical Change in Social Media
Georgia Institute of Technology（佐治亚理工学院）；University of Massachusetts, Amherst（马萨诸塞大学阿默斯特分校）；Carnegie Mellon University（卡内基梅隆大学）
以计算机为媒介的交流正在推动书面语言性质的根本变化。我们通过对一个由1.07亿条Twitter消息（由270万个独立用户帐户撰写）组成的数据集进行统计分析来调查这些变化。使用一个潜在的向量自回归模型聚合在数千个单词，我们确定在美国的语言变化的扩散高层次的模式。我们的模型是强大的Twitter的采样率的不可预测的变化，并提供了一个概率表征的关系，宏观尺度的语言影响的人口和地理预测。这一分析的结果提供了支持以前的论点，侧重于地理接近和人口规模。然而，人口结构的相似性-特别是种族方面的相似性-发挥着更为核心的作用，因为种族人口结构相似的城市更有可能分享语言影响力。而不是走向一个单一的统一的“网络语言”方言，语言的演变，在计算机为媒介的通信再现现有的断层线在美国英语口语。
2014-11-24 cs.CL cs.SI physics.soc-ph
Quantitative methods for Phylogenetic Inference in Historical Linguistics: An experimental case study of South Central Dravidian
在本文中，我们研究了两类算法的有用性距离方法，离散字符方法（Felsenstein和Felsenstein 2003）广泛用于遗传学，预测一组相关语言之间的家族关系，因此，历时语言变化。将这些算法应用于Krishnamurti等人（1983）给出的属于达罗毗荼语亚族的一组六种语言的共享同源词--有变化的同源词和变化的同源词以及不变的同源词的数量数据，我们观察到，所得到的系统发育树与使用比较重建方法构建的语言谱系树基本一致，只有一些微小的差异。此外，我们研究了这些微小的差异，发现即使对于训练有素的历史语言学家来说，它们也是真正的歧义。我们使用一个定义明确的标准来评估通过我们的实验获得的树，并在这里报告结果。我们最后得出结论，定量的方法，如我们所研究的是非常有用的预测语言之间的家庭关系。此外，我们的结论是，一定程度的信心所附的直觉，可能确实存在一个平行的过程之间的语言和遗传的变化是不是完全错位。
2014-01-03 cs.AI cs.CL
Linguistic trajectories of bipolar disorder on social media
Ruhr-University Bochum (RUB)（波鸿鲁尔大学）
本研究利用社交媒体数据分析双相障碍的语言变化，发现诊断后情绪症状呈现12个月周期波动，揭示了社交媒体语言对心理健康状态的反映。
2026-03-05 cs.CL
Pretraining Language Models for Diachronic Linguistic Change Discovery
University of Hamburg（汉堡大学）；Center for Digital Humanities, Johns Hopkins University（约翰霍普金斯大学数字人文中心）；IBM Research, MIT（麻省理工学院IBM研究院）
本文提出通过预训练语言模型发现历时语言变化，通过高效预训练技术处理大规模语料，发现预训练模型在训练速度和历史划分尊重方面优于微调基线，展示了在历时语言学中检测词汇变化等现象的能力。
2026-02-17 cs.CL
Can Edge Probing Tasks Reveal Linguistic Knowledge in QA Models?
University of Copenhagen（哥本哈根大学）；Megagon Labs（Megagon实验室）；University of Michigan（密歇根大学）
已经有许多努力试图理解什么语法知识（例如，理解标记的词性的能力）被编码在大的预训练的语言模型（LM）中。这是通过“边缘探测”（EP）测试完成的：监督分类任务，仅使用来自LM编码器的标记表示来预测跨度的语法属性（是否具有特定的词性）。然而，大多数NLP应用程序会针对特定任务对这些LM编码器进行微调。在这里，我们问：如果LM是微调，它的语言信息的编码改变，作为EP测试测量？具体而言，我们专注于问答（QA）的任务，并在多个数据集上进行实验。我们发现，当微调模型表现良好或在对抗性的情况下，模型被迫学习错误的相关性时，EP测试结果不会发生显着变化。根据类似的发现，最近的一些论文得出结论，微调不会改变编码器中的语言知识，但他们没有提供解释。我们发现，EP模型本身容易利用EP数据集中的虚假相关性。当这个数据集偏差得到纠正时，我们确实看到EP测试结果的改善。
2022-09-08 cs.CL
Shifting social norms as a driving force for linguistic change: Struggles about language and gender in the German Bundestag
Leibniz Institute for the German Language (IDS)（莱布尼茨德语研究所）
本文以德国联邦议院自1980年代以来的语言实践为例，论证社会规范转变驱动语言变化，并探讨早期性别语言斗争对当前性别包容性语言辩论的启示。
2024-02-06 cs.CL
How individuals change language
University of Edinburgh（爱丁堡大学）；University of New Mexico（新墨西哥大学）
语言的出现和变化，随着时间的推移，在人口水平上，通过个人之间的相互作用的发言者。然而，很难直接观察到一个人的语言创新是如何促成整个人群的语言变化的，存在许多理论建议。我们介绍了一个非常普遍的数学模型，包括各种各样的个人层面的语言行为，并提供统计预测的人口水平的变化，从而导致他们。这个模型使我们能够比较在不同的假设下，个人学习和使用语言的方式在多种语言中的定冠词和不定冠词的变化的可能性。我们发现，语言变化的帐户，呼吁主要是在儿童语言习得的错误是非常弱的历史数据的支持，而那些允许扬声器在整个生命周期逐渐改变更合理，特别是当结合社会网络效应。
2021-04-20 cs.CL physics.soc-ph q-bio.PE
Comparing Measures of Linguistic Diversity Across Social Media Language Data and Census Data at Subnational Geographic Areas
University of Canterbury（坎特伯雷大学）
该研究针对新西兰奥特亚罗瓦次国家级区域，对比社交媒体与人口普查数据的语言多样性度量，发现社交媒体数据可用于观测区域语言多样性时空变化，但需进一步验证其对现实行为的表征能力。
2023-08-21 cs.CL
Linguistic Distancing on Social Media: Indicators of Emotion Regulation Across Age Groups
Alberta Machine Intelligence Institute（阿尔伯塔机器智能研究所）；Department of Computing Science, University of Alberta（阿尔伯塔大学计算机科学系）；National Research Council Canada（加拿大国家研究委员会）；Department of Psychology, University of Alberta（阿尔伯塔大学心理学系）
基于社交媒体文本，通过语言距离指标研究情绪调节随年龄的变化，发现年龄越大语言距离使用比例越高，与心理学中年龄增长带来幸福感提升的结论一致。
2026-07-01 cs.CL
Communicative need modulates competition in language change
University of Edinburgh（爱丁堡大学）
所有现存的语言都会随着时间的推移而变化。其原因是多方面的，其中之一是新的语言成分的出现和借用。新成分与语义或语法功能相似的旧成分之间的竞争可能会导致说话者更喜欢其中一个，而放弃另一个。我们介绍了一种通用的方法来量化历时语料库中的语言元素之间的竞争，它不需要语言特定的资源，比足够大的语料库。这种方法很容易适用于广泛的语言和语言子系统。在这里，我们将其应用于词汇数据在五个语料库不同的语言，类型，体裁和时间跨度。我们发现，交际需求的变化是一致的预测词汇竞争动态。近似同义词更有可能直接竞争，如果它们属于一个话题，其重要性是随着时间的推移，语言使用者是恒定的，可能会导致其中一个竞争词的灭绝。相比之下，在对语言使用者越来越重要的话题中，近同义词往往不直接竞争，而是可以共存。这表明，除了词与词之间的直接竞争外，语言变化还可能受到主题或语义子空间之间的竞争的驱动。
2020-06-16 cs.CL
Annotation Uncertainty in the Context of Grammatical Change
University of Zurich（苏黎世大学）；Paderborn University（帕德博恩大学）；Universität der Bundeswehr München（慕尼黑联邦国防军大学）；LMU Munich（慕尼黑大学）
本文阐述了在大文本语料库中的注释背景下的不确定性概念，特别关注（但不限于）历史语言。这种不确定性可能是由于语言的固有属性，例如，语言歧义和语言描述的重叠类别，但也可能是由于缺乏注释专业知识造成的。通过更详细地研究注释不确定性，我们确定了来源，并加深了我们对日常注释实践中遇到的不确定性的性质和不同类型的理解。此外，我们的理论研究结果的一些实际意义也进行了讨论。最后但并非最不重要的是，这篇文章可以被看作是试图调和语料库项目，语言学和计算机科学涉及的主要科学学科的观点，以发展一个统一的观点，并强调这些学科之间的潜在协同作用。
2021-05-28 cs.AI cs.CL
Finding Your Voice: The Linguistic Development of Mental Health Counselors
Cornell University（康奈尔大学）；Crisis Text Line（危机短信热线）
心理健康咨询是一项具有深远社会意义的事业，其中对话发挥着主要作用。为了获得面对各种具有挑战性的情况所需的对话技能，心理健康咨询师必须依靠培训和与实际客户的持续经验。然而，由于缺乏大规模的纵向研究，这一发展过程的性质和意义仍然不清楚。例如，先前的文献表明，经验可能不会转化为辅导员行为的相应变化。这导致一些人甚至认为咨询是一个没有专业知识的职业。在这项工作中，我们开发了一个计算框架来量化个人根据经验改变语言行为的程度，并研究这种进化的性质。我们使用我们的框架进行了一项大型的心理健康咨询对话纵向研究，跟踪了3,400多名咨询师的任期。我们发现，总的来说，辅导员确实改变了他们的谈话行为，在互动中变得更加多样化，发展出一种独特的声音，使他们有别于其他辅导员。此外，更细粒度的调查表明，这种多样化的速度和性质在功能不同的会话组件中各不相同。
2019-06-17 cs.CL cs.CY
A State-of-the-Art of Semantic Change Computation
Huazhong University of Science and Technology（华中科技大学）
本文回顾了计算语言学中一个新兴的研究领域--语义变化计算的最新进展，提出了一个框架，通过确定和阐述该领域的五个基本组成部分：历时语料库、历时词义表征、变化建模、评估数据和数据可视化来总结文献。尽管这一领域有着巨大的潜力，但目前的研究主要集中在理论语言学中提出的假设的证明上，还有几个核心问题有待解决：对英语以外语言历时语料库的需求，对综合评价数据的需求，历时词义表征和变化建模方法的比较和构建，并进一步探索数据可视化技术的假设理由。
2018-01-30 cs.CL
Paraphrase Types Elicit Prompt Engineering Capabilities
University of Göttingen（戈丁根大学）；University of Toronto（多伦多大学）
本研究通过分析同义词类型对提示工程的影响，发现特定语言变化可提升语言模型的任务表现。
2026-02-15 cs.CL
The Language of Weather: Social Media Reactions to Weather Accounting for Climatic and Linguistic Baselines
University of Exeter（埃克塞特大学）
该研究以英国Twitter数据为对象，纳入气候与语言基线提升天气相关情感分析准确率，发现天气情绪反应受天气变量组合与区域语言差异影响，可为气候变化下的影响预报与风险沟通提供支持。
2024-07-10 cs.CL cs.HC
Using Sociolinguistic Variables to Reveal Changing Attitudes Towards Sexuality and Gender
Columbia University（哥伦比亚大学）
个人通过语言选择来表达他们的身份和信仰。对这些选择的总体研究使我们能够研究人口中大规模的态度转变。在这里，我们开发计算方法来研究社会语言学词汇变量中的单词选择-用于表达同一概念的替代词-以测试美国对性和性别的变化。我们检查两个变量：i）指的是重要的其他人，如“伴侣”一词，ii）指的是一个不确定的人，两者都可以选择性地标记性别。每个变量中的语言选择使我们能够分别研究同性婚姻和性别平等接受率的增加。在对Twitter和Reddit超过8700万条消息的纵向分析中，我们证明了态度正在发生变化，但这些变化是由美国特定的人口统计数据驱动的。此外，在准因果分析，我们表明，在不同的国家的婚姻平等法案的通道是语言变化的驱动程序。
2021-09-22 cs.CL cs.CY
The Social Dynamics of Language Change in Online Networks
Georgia Institute of Technology（佐治亚理工学院）；Columbia University（哥伦比亚大学）；Microsoft Research（微软研究院）
语言变化是一种复杂的社会现象，揭示了交流的途径和社会文化的影响。但是，虽然语言变化长期以来一直是社会语言学的研究课题，但传统的语言学研究方法依赖于间接证据，根据老年人和年轻人之间的差异来估计变化的方向。在本文中，我们使用数百万Twitter用户的数据集来跟踪语言变化的进展。首先，我们表明语言变化可以被视为一种社会影响形式：我们观察到语音拼写和“网络语言”缩写的复杂传染（例如，lol），但不适用于口语中较老的方言标记。接下来，我们使用参数化霍克斯过程模型来测试特定类型的社交网络连接是否比其他类型更有影响力。我们发现，关系强度起着重要的作用：密集嵌入的社会关系是显着更好的语言影响力的管道。地理位置似乎发挥更有限的作用：我们发现相对较少的证据来支持这一假设，即个人更受地理地方的社会关系，即使在他们使用的地理方言标记。
2016-09-07 cs.CL cs.SI physics.soc-ph
Losing our Tail, Again: (Un)Natural Selection & Multilingual LLMs
Research Centre for Cognitive Science & Artificial Intelligence（认知科学与人工智能研究中心）；Department of Computational Cognitive Science（计算认知科学系）；Tilburg University（蒂尔堡大学）
本文探讨多语言大语言模型中翻译技术导致语言多样性丧失的问题，指出模型崩溃可能使语言形式、语法特征和文化内涵消失，呼吁保护多语言多样性。
2026-04-23 cs.CL
A Framework for the Computational Linguistic Analysis of Dehumanization
University of Michigan（密歇根大学）；Carnegie Mellon University（卡内基梅隆大学）；Stanford University（斯坦福大学）
非人化是一种有害的心理过程，往往导致极端的群体间偏见、仇恨言论和针对目标社会群体的暴力。尽管有这些严重的后果和丰富的可用数据，去人性化尚未进行大规模的计算研究。借鉴社会心理学的研究，我们创建了一个计算语言学的框架来分析非人性化的语言，通过识别非人性化的显着组成部分的语言相关。然后，我们应用这个框架来分析1986年至2015年《纽约时报》对LGBTQ人群的讨论。总的来说，随着时间的推移，我们发现对LGBTQ人群的描述越来越人性化。然而，我们发现同性恋这个标签与非人性化的态度比其他标签，如同性恋，有更强的联系。我们提出的技术强调了围绕边缘群体的语言变异和话语变化的过程。此外，大规模分析非人性化语言的能力对于自动检测和理解媒体偏见以及在线辱骂性语言具有重要意义。
2020-06-17 cs.CL
Detecting Linguistic Diversity on Social Media
Geospatial Research Institute（地理空间研究所）；University of Canterbury（坎特伯雷大学）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
本研究利用社交媒体数据与人口普查数据对比，验证其反映地方语言多样性的有效性，并证明其对人口及社会政治变化的敏感性。
2025-02-28 cs.CL
A Statistical Model of Word Rank Evolution
University of California Merced（加利福尼亚大学默塞德分校）；University of California Los Angeles（加利福尼亚大学洛杉矶分校）
大量语言数据集的可用性使数据驱动的方法能够研究语言变化。Google图书语料库的单字频率数据集被用来调查八种语言的单词排名动态。我们观察了从1900年到2008年的一元图的排名变化，并将其与我们为分析开发的赖特-费舍尔启发模型进行了比较。该模型模拟了一个中性的进化过程，限制没有消失和添加的单词。这项工作解释了该模型的数学框架-写为具有多项式转移概率的马尔可夫链-以显示单词的频率如何随时间变化。从我们对数据和模型的观察来看，单词等级稳定性表现出两种类型的特征：（1）等级的增加/减少是单调的，或者（2）等级保持不变。根据我们的模型，高排名的单词往往更稳定，而低排名的单词往往更不稳定。有些词的等级变化有两种方式：（a）随着时间的推移，等级的小幅度上升/下降变化的积累;（b）等级上升/下降的冲击。我们所研究的所有语言中的大多数单词都是等级稳定的，但并不像中性模型预测的那样稳定。停用词和Swadesh词被观察到在八种语言中排名稳定，表明在既定语言中的语言一致性。这些特征表明，所有语言中的单字频率都以一种与纯粹中性进化过程不一致的方式发生了变化。
2022-02-14 cs.CL stat.AP
Challenges in detecting evolutionary forces in language change using diachronic corpora
University of Edinburgh（爱丁堡大学）
Newberry et al.（Detecting evolutionary forces in language change，Nature 551，2017）解决了语言学中一个重要但困难的问题，即语言变化的选择性理论对漂移的零模型的测试。在将群体遗传学的测试（频率增量测试）应用于一些相关的例子后，他们认为随机性在语言进化中具有以前未被充分认识的作用。我们复制了他们的结果，发现虽然整体观察结果成立，但这种方法对单个时间序列产生的结果可能对语料库如何组织成时间段（分箱）很敏感。此外，我们使用了大量的模拟结合binning系统地探索频率增量测试的适用范围。我们的结论是，应谨慎行使与解释的测试结果，如频率增量测试对个人系列，考虑到研究人员自由度时，适用于测试语料库数据，遗传和语言数据之间的根本差异。我们的研究结果有选择测试和时间分仓一般的影响，以及证明模拟评估方法的实用性新引入的领域。
2019-11-13 cs.CL
Not All Models Localize Linguistic Knowledge in the Same Place: A Layer-wise Probing on BERToids' Representations
Iran University of Science and Technology（伊朗科技大学）；Tehran Institute for Advanced Studies, Khatam University（哈塔姆大学德黑兰高等研究院）；University of Tehran（德黑兰大学）
大多数关于探测表征的最近的工作都集中在BERT上，假设结果可能与其他模型相似。在这项工作中，我们将探索研究扩展到家庭中的其他两个模型，即ELECTRA和XLNet，表明预训练目标或架构选择的变化可能导致在表征中编码语言信息的不同行为。最值得注意的是，我们观察到ELECTRA倾向于在更深的层中编码语言知识，而XLNet则将其集中在早期层中。此外，前者的模型在微调过程中会发生轻微的变化，而后者则会经历重大的调整。此外，我们表明，基于权重混合评估策略得出结论-这是广泛使用的上下文中逐层探测-可以误导给定跨不同层的表示的规范差距。相反，我们采用了一种替代的信息理论探测与最小的描述长度，最近已被证明提供更可靠和翔实的结果。
2021-09-15 cs.AI cs.CL
Automating Sound Change Prediction for Phylogenetic Inference: A Tukanoan Case Study
Carnegie Mellon University（卡内基梅隆大学）；Johns Hopkins University（约翰斯·霍普金斯大学）
提出利用神经网络自动预测语音变化步骤，部分替代专家参与简约法系统发育推断，在图卡诺语上达到0.12的广义四分体距离，优于半自动基线，并验证了自动语音规律归纳的有效性。
2024-02-02 cs.CL
When Linguistic and Internal Confidence Diverge in Large Language Models
Dartmouth College（达特茅斯学院）；Oakland University（奥克兰大学）
本研究对比大型语言模型的语言置信度与内部置信度，发现二者常出现偏差，提出需用多维度诊断评估语言置信度后再用于下游可靠性流程。
2026-09-07 cs.AI cs.CL
GASC: Genre-Aware Semantic Change for Ancient Greek
Amazon（亚马逊）；University of Warwick（华威大学）；University of Helsinki（赫尔辛基大学）；University of Oxford（牛津大学）；The Alan Turing Institute（艾伦·图灵研究所）；University of Cambridge（剑桥大学）
单词含义会随着时间的推移而变化，具体取决于语言和语言外因素。将一个词的正确含义与其历史背景相关联是历时研究的核心挑战，并且与一系列NLP任务相关，包括历史文本中的信息检索和语义搜索。贝叶斯模型的语义变化已经成为一个强大的工具，以解决这一挑战，提供明确的和可解释的表示语义变化现象。然而，虽然语料库通常带有丰富的元数据，现有的模型是有限的，他们无法利用上下文信息（如文本体裁）超出文档的时间戳。这一点在古代语言中尤为重要，因为缺乏数据和漫长的历时跨度使得很难明确区分一词多义（一个词有几个意义）和语义变化（获得、失去或改变意义的过程），而目前的系统在这些语言中表现不佳。我们开发了GASC，一个动态语义变化模型，利用关于文本体裁的分类元数据来促进推理，并揭示古希腊语料库中的意义演变。在一个新的评估框架中，与最先进的模型相比，我们的模型实现了更好的预测性能。
2019-06-02 cs.CL cs.LG stat.ML
Exploring Linguistic Style Matching in Online Communities: The Role of Social Context and Conversation Dynamics
University of Michigan（密歇根大学）
本研究针对Reddit在线社区，基于功能词与正式度两类风格分析大规模双方对话语料，考察多种社会因素下语言风格匹配（LSM）的水平差异及用户被封禁后LSM的变化，揭示其与社区指标的关联及对理解社区动态的价值。
2023-08-26 cs.CL
#anorexia, #anarexia, #anarexyia: Characterizing Online Community Practices with Orthographic Variation
Georgia Institute of Technology（佐治亚理工学院）
独特的语言实践有助于社区建立团结，并使自己有别于外人。在在线社区中，一种这样的做法是拼写的变化，包括拼写，标点符号和大写。使用超过200万个Instagram帖子的数据集，我们调查了一个共享亲饮食失调（pro-ED）内容的社区中的正字法变化。我们发现，随着时间的推移，拼写变化不仅越来越频繁，而且变得更加深刻或深刻，变体与原始拼写越来越疏远：例如，#anarexyia比#anarexia与原始拼写#anorexia更遥远。这些变化是由新来者推动的，他们在进入社区时采用了最极端的语言实践。此外，这种行为与参与度相关：采用更深的正字法变体的新人往往在社区中保持更长的活跃时间，并且包含更深变体的帖子以“喜欢”的形式获得更多积极的反馈。“以前的工作已经将社区成员的变化与语言的变化联系起来，我们的工作将这种联系置于一个新的角度，新来者推动了不断发展的实践，而不是适应它。我们还展示了正字法变化作为研究在线社区社会语言变化的新镜头的效用，特别是当变化是由外部力量（如内容禁令）引起的时候。
2017-12-04 cs.CL cs.SI
Towards Human Understanding of Paraphrase Types in Large Language Models
University of Göttingen（哥廷根大学）；LKA NRW（北莱茵-威斯特法伦州刑事调查局）
本文构建含800条标注的 APTY 数据集，结合十种原子改写类型与五种提示方法评估人类偏好，揭示 ChatGPT 及 DPO 训练 LLama 7B 擅长简单改写却难以处理复杂结构。
2025-02-18 cs.CL
Evolving linguistic divergence on polarizing social media
Tallinn University（塔林大学）；Estonian Business School（爱沙尼亚商学院）；Newcastle University（纽卡斯尔大学）
本研究利用社交媒体数据，通过关注新闻媒体账户界定用户政治偏好，量化美国左右派在话题、情感及词汇语义上的语言分歧，提出通用方法，可推广至其他语言和平台。
2023-09-04 cs.CL cs.SI
Capturing Stance Dynamics in Social Media: Open Challenges and Research Directions
Queen Mary University of London（伦敦玛丽女王大学）；Imam Abdulrahman Bin Faisal University（伊玛目阿卜杜拉赫曼·本·费萨尔大学）
社交媒体平台为挖掘公众对具有广泛社会利益和影响的问题的意见提供了一座金矿。意见挖掘是一个可以通过捕捉和汇总个人社交媒体帖子的立场来实现的问题，这些帖子支持，反对或对手头的问题保持中立。虽然大多数先前的工作在立场检测调查的数据集，涵盖短时间内，调查纵向数据集的兴趣最近有所增加。在新数据中观察到的语言和行为模式的动态变化需要调整姿态检测系统来应对这些变化。在这篇综述论文中，我们研究了计算语言学与数字媒体中人类交流的时间演变之间的交叉点。我们执行一个关键的审查新兴的研究考虑动态，探索不同的语义和语用因素，影响语言数据一般，特别是立场。我们进一步讨论了在社交媒体中捕捉立场动态的当前方向。我们讨论了在处理立场动态时遇到的挑战，确定开放的挑战，并在三个关键方面讨论未来的发展方向：话语，语境和影响。
2021-11-26 cs.CL
Networks and Identity Drive Geographic Properties of the Diffusion of Linguistic Innovation
University of Michigan（密歇根大学）
采用文化创新（例如，音乐、信仰、语言）往往在地理上是相关的，采用者大多居住在相对较少的、经过充分研究的、具有社会意义的地区。这些文化区域通常被假设为（i）身份表现推动文化创新的采用，或（ii）在网络基础扩散中的同质性的结果。在这项研究中，我们表明，人口特征和网络拓扑结构都需要模拟创新的扩散，因为它们在产生其空间属性中发挥互补作用。我们开发了一个基于代理的文化采用模型，并验证我们的模型中的地理传播模式对创新的话，我们从10%的Twitter样本中识别的一个新的数据集。使用我们的模型，我们能够直接将网络+身份的组合扩散模型与模拟的仅网络和仅身份的反事实进行比较-使我们能够测试网络和身份的单独和组合角色。虽然社会科学家经常将网络或身份作为建模文化变化的核心社会结构，但我们发现，扩散的关键地理特性实际上取决于这两个因素，因为每个因素都会影响不同的扩散机制。具体而言，网络主要通过弱联系扩散驱动城市县之间的传播，而身份通过强联系扩散在农村县之间的传播中发挥了不成比例的作用。城市和农村地区之间的传播是创新在全国范围内传播的一个关键组成部分，需要网络和身份。我们的工作表明，模型必须整合这两个因素，以理解和再现创新的采用。
2022-02-10 cs.CL cs.CY cs.SI
Methods, Data, and Conceptual Change: Reflections from Two Quantitative Diachronic Case Studies
University of Sheffield（谢菲尔德大学）；KU Leuven（鲁汶大学）
该研究通过两项定量历时案例的对比分析，探讨历史语言学定量方法与数据集属性的相互作用，阐明纯词汇频率方法的局限，指出数据集结构会影响定量方法检测语义变迁的可靠性。
2026-05-03 cs.CL
