NeoN: A Tool for Automated Detection, Linguistic and LLM-Driven Analysis of Neologisms in Polish
Institute of Computer Science, Polish Academy of Sciences（波兰科学院计算机科学研究所）
NeoN结合参考语料库、语言过滤器、LLM精度提升和每日RSS监控的多层流水线，自动检测波兰语新词，生成定义并分类，在保持高准确率的同时大幅减少人工工作量。
2025-05-21 cs.CL
RusLICA: A Russian-Language Platform for Automated Linguistic Inquiry and Category Analysis
RusLICA通过构建俄语专用词典和心理语言学类别，实现了对俄语文本的自动化语言学分析与分类。
2026-01-28 cs.CL
The Better Your Syntax, the Better Your Semantics? Probing Pretrained Language Models for the English Comparative Correlative
LMU Munich（慕尼黑大学）；Munich Center of Machine Learning（慕尼黑机器学习中心）；University of Oxford（牛津大学）
构式语法是认知语言学的一种范式，强调句法和语义之间的联系。而不是对词汇项目进行操作的规则，它将结构视为语言的核心构建块，即，结合句法和语义的不同粒度的语言单位。作为评估CxG与最先进的预训练语言模型（PLMs）所展示的句法和语义知识的兼容性的第一步，我们提出了一个调查他们的能力，分类和理解最常用的研究结构之一，英语比较相关（CC）。我们进行实验，一方面检查分类准确性的语法探针和模型的行为在语义应用程序的任务，BERT，RoBERTa和DeBERTa作为示例PLM。我们的研究结果表明，所有三个调查PLM都能够识别的CC的结构，但未能使用其含义。尽管有人声称PLM在许多NLP任务上表现得像人类，但这表明PLM在语言知识的中心领域仍然存在重大缺陷。
2022-10-24 cs.CL
Cross-Dialect Sentence Transformation: A Comparative Analysis of Language Models for Adapting Sentences to British English
Indian Institute of Technology Madras（印度理工学院马德拉斯分校）
本研究比较了不同语言模型将美式、印度和爱尔兰英语方言转换为英式英语的能力，发现印度和爱尔兰英语翻译与英式英语相似度较高，而美式英语略低；Llama-2-70b表现最佳，强调了模型选择对翻译质量的关键作用。
2023-11-05 cs.AI cs.CL
Subword-Based Comparative Linguistics across 242 Languages Using Wikipedia Glottosets
DataSpike；Neapolis University（内apolis大学）；Metropolia University of Applied Sciences（Metropolia应用科学大学）
本研究利用BPE方法分析242种语言的词汇相似性，发现语言亲缘关系与词汇相似性显著相关，罗曼语族词汇最相似，跨族系词汇差异明显。
2026-01-26 cs.AI cs.CL cs.LG
Cognate Transformer for Automated Phonological Reconstruction and Cognate Reflex Prediction
Indian Institute of Technology Kanpur（印度理工学院坎普尔分校）
本文提出Cognate Transformer，将蛋白质语言模型MSA Transformer应用于自动音韵重构和同源词反映预测，实验表明其性能优于现有模型。
2023-10-18 cs.CL
I Think, Therefore I Am Under-Qualified? A Benchmark for Evaluating Linguistic Shibboleth Detection in LLM Hiring Evaluations
University of Washington（华盛顿大学）；UC Berkeley（伯克利大学）；Stanford University（斯坦福大学）
本文提出一个评估LLM招聘评估中语言Shibboleth检测的综合基准，通过100个问答对模拟面试生成受控语言变体，发现模糊限制性回答评分平均低25.6%，为检测AI系统语言歧视提供基础框架。
2025-08-06 cs.CL
Data Augmentation Techniques for Machine Translation of Code-Switched Texts: A Comparative Study
New York University Abu Dhabi（纽约大学阿布扎比分校）；University of Stuttgart（斯图加特大学）
本文比较了词汇替换、语言学理论和回译三种数据增强方法在埃及阿拉伯语-英语语码转换机器翻译中的效果，发现回译和基于CSW预测的词汇替换在有并行数据时表现最佳，而语言学理论和随机词汇替换在无并行数据时同样有效。
2023-10-23 cs.CL
Can Large Language Models Robustly Perform Natural Language Inference for Japanese Comparatives?
The University of Tokyo（东京大学）；Riken（理化学研究所）
针对LLM在日语比较级自然语言推理中稳健性不足的问题，构建了专用日语NLI数据集，评估发现模型对提示格式和金标签敏感且难处理日语特有现象，而引入逻辑语义表示提示可有效提升难解题的预测准确率。
2025-09-17 cs.CL
Computational Historical Linguistics
University of Tübingen（图宾根大学）；Institute of Linguistics（语言学研究所）
历史语言学的计算方法已经提出了半个世纪。在过去的十年中，这一研究领域得到了重大推动，这既归功于计算生物学的思想和软件的转移，也归功于几个适合系统比较工作的大型电子数据资源的发布。本文对这一新的计算历史语言学浪潮中的一些中心研究课题进行了介绍和讨论。这些技术包括遗传相关性的自动评估、自动同源检测、系统发育推断和祖先状态重建。他们将通过一个案例研究的自动重建的原始罗曼语词汇表的词汇数据的50个现代罗曼语和方言。
2018-05-21 cs.CL
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
Constructing a Family Tree of Ten Indo-European Languages with Delexicalized Cross-linguistic Transfer Patterns
Peking University（北京大学）
历史语言学家和语言类型学家提出的语言差异模式反映了人类语言的局限性，因而在某种程度上与二语习得是一致的。在本文中，我们验证了这一假设的10个印欧语言。我们形式化的非词汇化的传输作为可解释的树到字符串和树到树的模式，可以通过应用神经句法分析和语法归纳技术从Web数据自动诱导。这使我们能够定量地探讨跨语言迁移，并扩大调查的第二语言习得。我们扩展现有的作品，利用混合功能，并支持脱词汇化的跨语言迁移和历史比较范式产生的系统发育结构之间的协议。
2020-07-17 cs.CL
Linguistic Laws Meet Protein Sequences: A Comparative Analysis of Subword Tokenization Methods
Boğaziçi University（博阿齐奇大学）
本研究比较分析BPE、WordPiece和SentencePiece三种子词分词方法在不同词汇量下处理蛋白质序列的效果，发现其在结构域保留和语言定律遵循上存在差异，强调需开发蛋白质专用分词策略。
2024-11-26 cs.CL q-bio.QM
Comparative Analysis of Static and Contextual Embeddings for Analyzing Semantic Changes in Medieval Latin Charters
University of Toronto（多伦多大学）
本文首次对诺曼征服前后中世纪拉丁语特许状进行语义变化计算分析，发现在稀缺历史语料中上下文嵌入优于静态嵌入。
2024-10-11 cs.CL
The Model's Language Matters: A Comparative Privacy Analysis of LLMs
Inria（法国国家信息与自动化研究所）；INSA Lyon（里昂国立应用科学学院）；CITI（信息与技术研究所）
本研究首次定量证明语言结构影响大语言模型的隐私泄露，意大利语泄露最强，法语和西班牙语更稳健，需语言感知的隐私保护机制。
2025-10-09 cs.CL cs.CR
Automated Information Extraction from Thyroid Operation Narrative: A Comparative Study of GPT-4 and Fine-tuned KoELECTRA
Seoul National University（首尔大学）；Ewha Womans University Medical Center（梨花女子大学医疗院）；Seoul National University Hospital and College of Medicine（首尔大学医院暨医学院）
本文比较 GPT-4 与微调 KoELECTRA 在甲状腺手术叙述信息抽取中的表现，利用 NLP 克服正则表达式难以处理自由文本和冰冻活检报告的问题。
2024-06-12 cs.CL
Ace-CEFR -- A Dataset for Automated Evaluation of the Linguistic Difficulty of Conversational Texts for LLM Applications
针对短对话文本语言难度评估需求未被满足的问题，研究推出经专家标注难度等级的英语对话数据集Ace-CEFR，实验显示基于该数据集训练的模型难度测量准确度优于人类专家且延迟适配生产环境，数据集已公开供研发使用。
2025-06-16 cs.AI cs.CL
Comparative Approaches to Sentiment Analysis Using Datasets in Major European and Arabic Languages
本研究比较了BERT、mBERT和XLM-R在多语言情感分析中的表现，发现XLM-R在形态复杂语言中准确率超88%，并强调了微调策略对低资源语言分类的重要性。
2025-01-21 cs.CL
Markov Chain Monte-Carlo Phylogenetic Inference Construction in Computational Historical Linguistics
Arizona State University（亚利桑那州立大学）
当今世界上越来越多的语言被研究，传统的历史语言学研究方法面临着挑战。例如，语言之间的语言学比较研究需要人工注释，随着世界各地语言数据的不断增加，人工注释变得越来越不可能。虽然它很难取代语言学家的工作，但自动计算方法已经被考虑在内，它可以帮助人们减轻工作量。历史语言学中最重要的工作之一就是对不同语言的词语进行比较并找到它们的同源词，这意味着人们试图弄清楚两种语言是否相互关联。在本文中，我将使用计算的方法来聚类的语言，并使用马尔可夫链蒙特卡罗（MCMC）方法来建立基于聚类的语言类型关系树。
2020-03-14 cs.CL
Average Is Not Enough: Caveats of Multilingual Evaluation
Kempelen Institute of Intelligent Technologies（凯姆佩伦智能技术研究所）
这份立场文件讨论了多语言评价的问题。使用简单的统计数据，如平均语言表现，可能会在评估方法中注入有利于主导语言家族的语言偏见。我们认为，定性分析通知比较语言学是需要多语言的结果，以检测这种偏见。我们在案例研究中表明，在已发表的作品的结果确实可以在语言上有偏见，我们表明，基于URIEL类型数据库的可视化可以检测到它。
2023-01-03 cs.CL
The Impact of ASR on the Automatic Analysis of Linguistic Complexity and Sophistication in Spontaneous L2 Speech
RWTH Aachen University（亚琛工业大学）；AppTek GmbH（AppTek有限公司）
近年来，自动化的方法来评估语言的复杂性在第二语言（L2）的写作取得了显着的进展，在衡量学习者的表现，预测人类的评级的质量学习者的产品，并基准L2的发展。相比之下，在口语领域的工作相对较少，特别是在评估L2自发语音的全自动方法方面。虽然一个性能良好的ASR系统的重要性被广泛认可，很少有研究已经进行了调查，其性能对后续的自动文本分析的影响。在本文中，我们专注于这个问题，并检查使用国家的最先进的ASR系统的影响，随后自动分析的语言复杂性自发产生的L2语音。一组30个选定的措施被认为是，分为四类：句法，词汇，n-语法频率，和信息理论的措施。通过相关性分析确定了基于ASR生成与手动transmittance获得的这些测量值之间的一致性。还提出了在控制任务类型影响时，ASR性能对特定类型的复杂性措施的更有区别的影响。
2021-06-16 cs.CL
Decolonizing Linguistic Policies in Automated Speech Recognition: A Framework for Cross-Culturally Competent Speech AI
DePaul University（德保罗大学）；York University（约克大学）
本文针对ASR及相关语音界面的殖民语言等级问题，提出含“三种危害”分类法、七层情境模型的框架，以受影响社区为协同者构建文化胜任的ASR参与式方案。
2026-08-07 cs.CL cs.CY cs.HC
A frame semantics based approach to comparative study of digitized corpus
University Ferhat Abbes Setif 1（费哈特·阿巴斯·塞蒂夫1大学）；Badji Mokhtar University（巴吉·穆克塔尔大学）
摘要本文提出了一种基于语料库语言学的方法，从语义学的角度分析数字化的多语种经典小说和叙事文本。数字化的小说，如《霍比特人》（托尔金J. R。R.，1937年）”和“巴斯克维尔的猎犬（道尔A。C. 1901-1902年）"，被广泛翻译成几十种语言，为从语言学、哲学和认知科学等多个学科的角度分析语言差异提供了丰富的材料。本文以运动事件概念化为例，通过对一部数字化小说的英阿对齐语料库进行形态、句法和语义标注，从框架语义学的角度重新审视英语和阿拉伯语运动事件的语言编码。本研究认为，不同语言在运动事件概念化方面的差异可以用框架结构和框架间关系来描述。
2020-05-29 cs.AI cs.CL
Is GPT-4 Alone Sufficient for Automated Essay Scoring?: A Comparative Judgment Approach Based on Rater Cognition
KNUE（韩国国立教育大学）；Hoseo University（湖西大学）
针对 LLM 零样本作文评分不足且难以逐任务微调的问题，提出结合 LLM 与比较判断的零样本成对选择方法，并证明其优于传统评分标准法。
2024-07-08 cs.CL cs.CY
LEXpander: applying colexification networks to automated lexicon expansion
Medical University of Vienna（维也纳医科大学）；Graz University of Technology（格拉茨工业大学）；Complexity Science Hub Vienna（维也纳复杂性科学中心）
最近的社交媒体和其他语料库文本分析方法依赖于单词列表来检测主题，测量含义或选择相关文档。这些列表通常是通过将计算词典扩展方法应用于小的、手动策划的词根集合来生成的。尽管这种方法被广泛使用，我们仍然缺乏一个详尽的比较分析的词汇扩展方法的性能，以及如何可以改善额外的语言数据。在这项工作中，我们提出了LEXpander，词汇扩展的方法，利用新的数据colexification，即语义网络连接的基础上共享的概念和翻译到其他语言的单词。我们评估LEXpander在一个基准测试，包括广泛使用的方法的基础上，各种词嵌入模型和同义词网络的词典扩展。我们发现，LEXpander优于现有的方法在精度和精度和召回生成的单词列表在各种测试之间的权衡。我们的基准测试包括英语和德语的几个语言类别和情感变量。我们还表明，扩展的单词列表构成了一个高性能的文本分析方法，在各种语料库的应用案例。通过这种方式，LEXpander提出了一种系统的自动化解决方案，将简短的单词列表扩展为详尽而准确的单词列表，这些单词列表可以非常接近心理学和语言学专家生成的单词列表。
2022-05-31 cs.CL
MultiBLiMP 1.0: A Massively Multilingual Benchmark of Linguistic Minimal Pairs
University of Groningen（格罗宁根大学）；Uppsala University（乌普萨拉大学）
MultiBLiMP 1.0通过101种语言和两种主谓一致类型，包含超过128,000对最小对，评估LLM在多语言能力上的表现，并揭示现有最先进模型在低资源语言建模中的不足。
2026-04-30 cs.CL
Generating Conceptual Metaphors from Proposition Stores
Worthwhile Research & Consulting（Worthwhile研究与咨询公司）；USC ISI（南加州大学信息科学研究所）
当代语言隐喻的计算处理研究主要分为两个分支：隐喻识别和隐喻解释。我们采取不同的研究路线，并提出了一种自动化的方法，从语言数据生成概念隐喻。根据生成的概念隐喻，我们在语料库中找到相应的语言隐喻。在本文中，我们描述了我们的方法和它的评估使用英语和俄语的数据。
2014-09-25 cs.CL
LinguistAgent Technical Report: A Reflective Multi-Model Platform for Automated Linguistic Annotation
University of Birmingham（伯明翰大学）
LinguistAgent通过反思多模型架构实现自动化语言标注，采用双代理工作流程模拟同行评审，支持多种标注范式并提供实时评估。
2026-07-22 cs.AI cs.CL cs.MA
Linguistic Patterns in Pandemic-Related Content: A Comparative Analysis of COVID-19, Constraint, and Monkeypox Datasets
Manchester Metropolitan University（曼彻斯特城市大学）
本研究通过比较 COVID-19 虚假叙事、一般 COVID-19 内容和猴痘帖子三个语料库，发现 misinformation 具有更低可读性、更多恐惧与说服性词汇及更少感叹号，为数字健康 misinformation 检测和危机沟通提供语言指标参考。
2025-10-08 cs.AI cs.CL cs.LG
X-Blocks: Linguistic Building Blocks of Natural Language Explanations for Automated Vehicles
Queensland University of Technology (QUT)（昆士兰科技大学）；ARC Training Centre for Automated Vehicles in Rural and Remote Regions (AVR3)（农村和偏远地区自动化车辆培训中心）
X-Blocks框架通过分层分析识别自动驾驶车辆自然语言解释的构建块，提供场景感知解释的设计原则，提升透明性和用户信任。
2026-02-02 cs.AI cs.CL cs.RO
Say It Another Way: Auditing LLMs with a User-Grounded Automated Paraphrasing Framework
Mila - Quebec AI Institute（魁北克人工智能研究所）；McGill University（麦吉尔大学）；University of Waterloo（滑铁卢大学）；Vector Institute（向量研究所）；Université de Sherbrooke（舍布鲁克大学）；Université de Montréal（蒙特利尔大学）
针对大语言模型对提示措辞敏感导致审计困难的问题，提出用户接地自动改写框架AUGMENT，通过受控改写和多项质量检查，在BBQ和MMLU数据集上揭示系统性弱点，提升审计可靠性。
2025-10-08 cs.CL
A comprehensive study of on-device NLP applications -- VQA, automated Form filling, Smart Replies for Linguistic Codeswitching
Columbia University（哥伦比亚大学）
本文提出三类设备端NLP新体验：屏幕理解中的视觉问答与自动表单填写，以及支持语码转换的智能回复，旨在连接前沿研究与实际应用。
2024-09-23 cs.AI cs.CL cs.LG
A Comparative Study of Neural Network Models for Sentence Classification
VNU Hanoi（河内国家大学）；Ton Duc Thang University（孙德胜大学）
本文对前馈网络、卷积网络、递归网络和长短期记忆网络四种神经网络模型在英语和越南语文本句子分类数据集上进行了广泛的比较研究。我们表明，在英语数据集上，没有任何特征工程的卷积网络模型优于一些具有丰富手工语言特征的竞争性句子分类器。我们证明了GloVe词嵌入始终优于Skip-gram词嵌入和单词计数向量。我们还展示了卷积神经网络模型在越南报纸句子数据集上的优越性。我们的实验结果为神经网络模型在句子分类中的应用提供了一些好的实践。
2018-10-03 cs.CL
From Prompting to Preference Optimization: A Comparative Study of LLM-based Automated Essay Scoring
Faculty of Information Technology, University of Science, Ho Chi Minh City, Vietnam（信息科技学院，科学大学，胡志明市，越南）；Vietnam National University, Ho Chi Minh City, Vietnam（越南国家大学，胡志明市，越南）
本文比较了基于LLM的自动作文评分方法，发现结合k-SFT和RAG的配置在F1分数上表现最佳，为英语作为第二语言的自动评分提供了新的研究方向。
2026-03-06 cs.CL
Emergence of linguistic laws in human voice
Technical University of Madrid（马德里理工大学）；Queen Mary University of London（伦敦玛丽女王大学）；Telefonica Research（西班牙电信研究院）；Universitat Politècnica de Catalunya（加泰罗尼亚理工大学）
语言规律构成了现代认知科学的定量基石之一，并且已经在书面语料库或口语语料库的等效转录中进行了常规研究。这意味着声学中语言统计模式的推断受到任意的、依赖于语言的信号分割的影响，实际上排除了在人类声音和其他动物交流系统之间进行比较研究的可能性。在这里，我们通过提出一种方法来弥合这一差距，该方法允许测量任意来源的声学信号中的这种模式，而不需要访问下面的语言语料库。该方法已被应用于六种不同的人类语言，成功地恢复了一些众所周知的人类交流规律，甚至低于音素的时间尺度，并发现了生物系统中复杂性和关键性之间的另一种联系。这些方法进一步为动物交流或未知代码信号分析的新比较研究铺平了道路。
2016-10-09 cs.CL physics.soc-ph
Depression Detection at the Point of Care: Automated Analysis of Linguistic Signals from Routine Primary Care Encounters
University of Washington（华盛顿大学）；University of California San Diego（加利福尼亚大学圣迭戈分校）
研究通过分析初级保健会话中的语言信号，利用GPT-OSS等模型检测抑郁症，发现双人转录文本表现更优，且前128个患者词能有效检测，支持实时临床决策支持。
2026-03-11 cs.AI cs.CL
What Makes a Good Paraphrase: Do Automated Evaluations Work?
Ella Lab – Gesellschaft für künstliche Intelligenz mbH（Ella实验室——人工智能有限责任公司）
本研究探讨可接受复述的词语差异标准及自动化评估有效性，通过在德语数据集上结合自动化指标与专家语言学评估进行实验分析。
2023-07-27 cs.CL
Effects of Stop Words Elimination for Arabic Information Retrieval: A Comparative Study
El-Minia University（米尼亚大学）
本研究探讨了三种用于阿拉伯语信息检索的停用词表-通用停用词表、基于语料库的停用词表和组合停用词表的有效性。三个流行的加权方案进行了检查：逆文档频率权重，概率加权，统计语言建模。其思想是将统计方法和语言方法结合起来，以达到最佳的性能，并比较它们在检索上的效果。最不发达国家（语言数据联盟）阿拉伯语新闻网数据集与狐猴工具包一起使用。Okapi检索系统中使用的最佳匹配加权方案在研究中使用的三种加权算法中具有最佳的整体性能，stoplists提高了检索效率，特别是当与BM 25权重一起使用时。一般非索引字列表的整体表现优于其他两个列表。
2017-02-07 cs.CL cs.IR
Comparative Experimentation of Accuracy Metrics in Automated Medical Reporting: The Case of Otitis Consultations
Utrecht University（乌得勒支大学）；Verticai；NIVEL (Netherlands institute for health services research)（荷兰健康服务研究所）
本文针对Otitis问诊的AI生成医疗报告，对比了10种准确度指标，并引入复合准确度得分，发现ROUGE-L和Word Mover's Distance为首选指标，助力减轻医疗人员行政负担。
2024-01-08 cs.CL
HADES: Homologous Automated Document Exploration and Summarization
Warsaw University of Technology（华沙理工大学）；University of Warsaw（华沙大学）
本文介绍了一种新的结构相似文档自动比较工具HADES。HADES旨在简化处理大量文件的专业人员的工作，如政策文件，法律行为和科学论文。该工具采用多步骤管道，首先使用主题建模，摘要和分析每个主题的最重要的单词来处理PDF文档。该过程最后是一个交互式网络应用程序，具有便于比较文档的可视化效果。HADES有可能大大提高处理大量文件的专业人员的生产力，减少完成与比较文件分析有关的任务所需的时间和精力。我们的软件包在GitHub上可用。
2023-02-25 cs.CL
AUTOLEX: An Automatic Framework for Linguistic Exploration
Carnegie Mellon University（卡内基梅隆大学）；George Mason University（乔治梅森大学）
每种语言都有自己复杂的词、短语和句子结构系统，其指导原则通常总结在语法描述中，供语言学家或语言学习者使用。然而，手动创建这样的描述是一个令人担忧的过程，因为创建以“自己的术语”描述语言而没有偏见或错误的描述需要对手头的语言和整个语言学都有深刻的理解。我们提出了一个自动框架AutoLEX，旨在方便语言学家的发现和提取简洁的语言现象的描述。具体来说，我们应用这个框架来提取三种现象的描述：形态协议，情况下标记，和词序，在几种语言。我们评估的语言专家的帮助下的描述，并提出了一种方法，当人类的评价是不可行的自动评价。
2022-03-25 cs.CL
Finetuning LLMs for Comparative Assessment Tasks
ALTA Institute, University of Cambridge（剑桥大学ALTA研究所）
本文提出一个面向比较评估任务的LLMs微调框架，通过在软概率上训练使模型输出与目标分布对齐，在保持高效子集比较性能的同时提升了最先进水平。
2024-09-24 cs.CL
Comparative Study and Framework for Automated Summariser Evaluation: LangChain and Hybrid Algorithms
本文提出基于LangChain与混合算法的自动化摘要评估框架，利用LLM评分指标衡量用户对PDF摘要内容的理解，以支持学习分析。
2023-10-04 cs.CL cs.LG
BPGC at SemEval-2020 Task 11: Propaganda Detection in News Articles with Multi-Granularity Knowledge Sharing and Linguistic Features based Ensemble Learning
BITS Pilani K. K. Birla Goa Campus（印度博拉理工学院果阿分校）
宣传传播志同道合的人的意识形态和信仰，洗脑他们的观众，有时导致暴力。SemEval 2020 Task-11旨在设计用于新闻宣传检测的自动化系统。任务-11由两个子任务组成，即，跨度识别-给定任何新闻文章，系统标记那些包含至少一种宣传技巧的特定片段;和技术分类-在14种宣传技巧中正确分类给定的宣传者声明。对于子任务1，我们使用从预训练的Transformer模型中提取的上下文嵌入来表示不同粒度的文本数据，并提出了一种多粒度知识共享方法。对于子任务2，我们使用具有语言特征的BERT和逻辑回归分类器的集成。我们的研究结果表明，语言特征是在高度不平衡的数据集中覆盖少数类的强有力的指标。
2020-08-24 cs.CL
A Linguistic Investigation of Machine Learning based Contradiction Detection Models: An Empirical Analysis and Future Perspectives
University of Bonn（波恩大学）；Fraunhofer IAIS（弗劳恩霍夫智能分析和信息系统研究所）
我们分析了两个自然语言推理数据集的语言特征。我们的目标是识别那些对于机器学习模型来说特别难以理解的语法和语义属性。为此，我们还研究了众包的机器翻译数据集（SNLI）和来自互联网源的文本对集合之间的差异。我们的主要发现是，该模型难以识别介词和动词的语义重要性，强调语言意识的预训练任务的重要性。此外，它往往不理解反义词和同音异义词，特别是如果这些词取决于上下文。不完整的句子是另一个问题，还有较长的段落和罕见的单词或短语。该研究表明，自动化的语言理解需要一个更明智的方法，在整个培训过程中利用尽可能多的外部知识。
2022-10-19 cs.CL
Patterns of Persistence and Diffusibility across the World's Languages
Aalborg University（奥尔堡大学）
本研究构建了包含1,966种语言多维度数据的大规模图谱，通过探索基因稳定性和接触诱导变化，揭示了跨语言同词化与语音相似性的成因，为多语言NLP和比较语言学提供了资源。
2024-01-05 cs.CL
LLM-as-a-Judge for Low-Resource Languages: Adapting Ragas and Comparative Ranking for Romanian
University of Bucharest（布加勒斯特大学）
本文针对低资源语言罗马尼亚语，通过适配Ragas框架和引入AdminRo-Eval数据集，验证了LLM作为评判者的可行性，发现细粒度分解在忠实度上达到96%人类一致性，比较排序在答案相关性上达到90%，并确立Gemini 2.5 Pro为稳健基线。
2026-10-02 cs.CL
Marked Pedagogies: Examining Linguistic Biases in Personalized Automated Writing Feedback
Stanford University（斯坦福大学）
研究探讨了四种常用LLM在不同学生属性下生成写作反馈的偏见，揭示了基于种族、语言等属性的反馈偏差，提出需提高自动反馈工具的透明度和问责性。
2026-03-12 cs.CL cs.HC
Advancing the Database of Cross-Linguistic Colexifications with New Workflows and Data
Max Planck Institute for Evolutionary Anthropology（马克斯·普朗克进化人类学研究所）；University of Passau（帕绍大学）
本文介绍新版跨语言同词化数据库，通过改进数据处理、筛选与呈现工作流，提升了语系覆盖均衡性与数据质量，为语言类型学、历史语言学、心理语言学及计算语言学等领域的开放问题研究提供新资源。
2025-08-21 cs.CL cs.DB
A Comparative Study on Patient Language across Therapeutic Domains for Effective Patient Voice Classification in Online Health Discussions
Talking Medicines Limited（Talking Medicines有限公司）
本研究针对社交媒体中区分真实患者声音的分类任务，分析了患者语言特征的重要性，并通过在组合数据集上微调预训练语言模型，实现了高准确度的自动患者声音分类。
2024-07-23 cs.AI cs.CL
A Comparative Study of the Application of Different Learning Techniques to Natural Language Interfaces
在本文中，我们提出了第一个比较研究的结果。其目的是测试不同的归纳学习技术的可行性，以执行自动获取的语言知识在自然语言数据库接口。在我们的界面架构中，机器学习模块取代了精心设计的语义分析组件。学习模块基于过去输入数据的集合来学习用户输入到对应数据库命令的正确映射。我们使用现有的接口，生产计划和控制系统的评估和比较不同的基于实例和基于模型的学习算法所取得的结果。
1997-05-16 cmp-lg cs.CL
Corpus analysis without prior linguistic knowledge - unsupervised mining of phrases and subphrase structure
Ludwig Maximilians University（路德维希-马克西米利安大学）
在研究自然语言的结构时，“短语”和“词”是中心概念。我们认为，在一个完全基于语料库和语言独立的方式，而不使用任何形式的先前的语言知识，任何长度和潜在的组成原则的语言的“有意义的子部分”的识别问题。描述了用于识别“短语”、挖掘子短语结构和以全自动方式查找单词的无监督方法。这可以被认为是自动计算“语料库的通用词典和语法”的一个步骤。我们希望，从长远来看，我们的方法的变体也适用于其他类型的序列数据，例如，语音、基因组序列或音乐注释。即使我们不是主要感兴趣的即时应用程序，各种语言的结果表明，我们的方法是有趣的文本挖掘，术语提取和词典编纂，搜索引擎技术，以及相关领域的许多实际任务。
2016-02-18 cs.CL
Beyond Turing: A Comparative Analysis of Approaches for Detecting Machine-Generated Text
MBZUAI（穆罕默德·本·扎耶德人工智能大学）；Institut Teknologi Bandung（万隆理工学院）；University of Zagreb（萨格勒布大学）
针对预训练语言模型发展下人机文本区分难度攀升的问题，本文评估了浅层学习、LM微调、多语言模型微调三种检测方法的性能，发现其效果差异显著，为NLP领域该方向的后续研究提供参考。
2024-05-15 cs.CL
A Comparative Evaluation of Large Language Models for Persian Sentiment Analysis and Emotion Detection in Social Media Texts
University of Verona（维罗纳大学）；Edinburgh Napier University（爱丁堡纳皮尔大学）
本文对比评估了四种主流大语言模型在波斯语社交媒体情感分析与情绪检测上的表现，发现各模型性能无显著差异，但GPT-4o准确率略高、Gemini 2.0 Flash成本效益最佳，并为波斯语NLP应用提供了模型选择基准。
2025-09-18 cs.CL
