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
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
Computational historical linguistics and language diversity in South Asia
Georgetown University（乔治城大学）；San Mateo High School（圣马特奥高中）；University of North Carolina – Chapel Hill（北卡罗来纳大学教堂山分校）；Microsoft（微软）
南亚是多种语言的家园，其中许多语言严重缺乏新的语言技术。这种语言的多样性也导致有利于比较，接触和历史语言学研究的研究环境-这些领域需要从许多语言中收集广泛的数据。我们认为，数据分散（而不是稀缺性）是南亚语言技术发展的主要障碍，并建议语言史的研究是唯一与克服这一障碍。我们回顾了南亚NLP和历史比较语言学的最新发展，描述了我们和其他人在这一领域的当前努力。我们还提供了打破数据壁垒的新策略。
2022-03-23 cs.CL
PILA: A Historical-Linguistic Dataset of Proto-Italic and Latin
University of Notre Dame（圣母大学）；ETH Zürich（苏黎世联邦理工学院）
本文提出原始意大利语到拉丁语（PILA）数据集，包含约3000对语言形式，旨在填补意大利语族计算资源的空白，并在传统任务基线测试和数据集兼容性研究中验证了其价值。
2024-04-25 cs.CL
Synthetic Language Generation and Model Validation in BEAST2
生成合成语言有助于测试和验证未来的计算语言模型和方法。本文扩展了BEAST2系统发育框架，增加了多模型下的语言序列生成。新的插件，然后使用两个广泛使用的phylolinguistic模型下的推理过程中的词借用现象的影响进行测试。
2016-07-27 cs.CL
Evolution and trade-off dynamics of functional load
功能负荷（FL）量化了语音对比对词汇差异的贡献。以前的研究已经将特别低的FL值与声音变化联系起来。在这里，我们扩大调查范围到FL，其演变的所有价值观。我们采用系统发育的方法来研究FL的历时演变在90个语言的Pama-Nyungan（PN）家庭的澳大利亚。我们发现了高度的系统发育信号FL。虽然系统发育信号已被报道的语音结构，如phonotactics，其检测的措施，语音功能是新颖的。我们还发现了一个显着的，负相关的FL元音长度和以下辅音，也就是说，一个深时间的历史权衡动态，我们涉及到已知的现代PN语言和补偿音的变化在他们的过去。这一发现揭示了一个历史的动态，类似于transphonologization，我们的特点是一个流动的对比子系统之间的音系。在跨越整个大陆和数千年时间深度的语言家族中反复出现，我们的发现为萨皮尔的“漂移”假说提供了最引人注目的例子之一，即历史上相关语言的非偶然平行发展。
2021-12-22 cs.CL
Jambu: A historical linguistic database for South Asian languages
Georgetown University（乔治城大学）；Stanford University（斯坦福大学）；Simon Fraser University（西蒙弗雷泽大学）；Microsoft（微软）
本文发布南亚语言同源词数据库 Jambu，整合多源历史语言数据，并在印度-雅利安语子集上训练神经模型进行音变反映预测。
2023-06-05 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
A Probabilistic Approach in Historical Linguistics Word Order Change in Infinitival Clauses: from Latin to Old French
本研究通过使用计算语言学、自然语言处理、贝叶斯统计和社会语言学方法，为语言学领域提供了一种新的跨学科方法。本文考察了拉丁语和古法语中不定式从句从宾语-动词（OV）到动词-宾语（VO）的语序变化。本文运用变异论的方法，考察了语言演变过程中各个阶段的共时语序变异，并由此推断出历时变异的特征、分期和制约因素。我还表明，在话语配置的语言，如拉丁语和早期古法语，它是可能的，以确定语用中立的情况下，使用信息结构注释。我进一步认为，通过映射到一个句法结构的语用类别，我们可以检测如何词序变化展开。在这项调查中，数据是从注释语料库中提取的，这些语料库跨越了几个世纪的拉丁语和古法语，以及使用计算语言学方法创建的其他资源。然后，这些数据被进一步编纂为各种语用，语义，句法和社会语言学因素。本研究还评估了先前提出的解释语序交替和变化的因素。我展示了信息结构和句法约束如何随着时间的推移而变化，并提出了一种方法，使研究人员能够区分一个稳定的词序交替交替表示变化。最后，我提出了一个三阶段的词序变化的概率模型，这也符合传统的语言变化模式。
2020-11-16 cs.CL
Parsing Early Modern English for Linguistic Search
Linguistic Data Consortium（语言数据联盟）；University of Pennsylvania（宾夕法尼亚大学）
我们调查的问题是，在过去几年中，NLP的进步是否可以大大增加可用于历史语法研究的数据的大小。这将NLP中的许多常用工具--词嵌入、标记和解析--结合在一起，为自动注释语料库的语言查询服务。我们训练的词性（POS）标记器和语法分析器上的语料库的历史英语，使用ELMo嵌入训练超过十亿字的类似的文本。评估基于标准度量，以及使用解析数据的查询搜索的准确性。
2020-02-24 cs.CL
Self-Supervised Lexical Representation Learning for Fast, Large-Scale Phylogenetic Inference
本文提出一种自监督对比学习框架，从原始IPA词表学习词汇表示，无需同源性注释，可高效推断3399种语言的系统发育树，性能与基线相当，还能捕获概念稳定性，为大规模系统发育推理提供自动高效方案。
2026-09-07 cs.CL
PBEBench: A Multi-Step Programming by Examples Reasoning Benchmark inspired by Historical Linguistics
Carnegie Mellon University（卡内基梅隆大学）；Ohio State University（俄亥俄州立大学）
PBEBench是一个受历史语言学启发的多步编程-by-例子推理基准，用于评估LLMs的归纳推理能力，发现模型在复杂任务中的表现存在显著差距。
2026-09-17 cs.CL
Scaling Self-Supervised Speech Models Uncovers Deep Linguistic Relationships: Evidence from the Pacific Cluster
School of Electrical Engineering, KAIST, Republic of Korea（韩国成均馆大学电气工程学院）；Thomas Lord Department of Computer Science, University of Southern California, USA（美国南加州大学计算机科学系）；Language Technologies Institute, Carnegie Mellon University, USA（美国卡内基梅隆大学语言技术研究所）
通过将自监督语音模型的语言识别系统从126种扩展到4017种语言，发现系统在4K规模下发生质变，揭示出太平洋地区基因无关语言的宏观集群，表明大规模模型能内化多层语言历史。
2026-06-08 cs.CL eess.AS
Programming by Examples Meets Historical Linguistics: A Large Language Model Based Approach to Sound Law Induction
Carnegie Mellon University（卡内基梅隆大学）；Ohio State University（俄亥俄州立大学）
本文将自动语音定律归纳表述为示例编程，提出四种合成数据生成方法，并基于此创建了性能提升6%且参数量更少的最先进开源模型。
2025-01-27 cs.CL
Probing Multilingual BERT for Genetic and Typological Signals
University of North Texas（北德克萨斯大学）；VU Amsterdam（阿姆斯特丹自由大学）；TU Darmstadt（达姆施塔特工业大学）
我们探测层的多语言BERT（mBERT）的系统发育和地理语言信号在100种语言和计算语言距离的基础上的mBERT表示。我们1）使用语言距离来推断和评估语言树，发现它们在四元组树距离方面接近参考家谱，2）进行距离矩阵回归分析，发现语言距离最能用系统发育解释，最不能用结构因素解释; 3）提出了一种新的测量历时意义稳定性的方法（基于跨语言表示可变性），其与基于语言方法的已发布排名列表显著相关。我们的研究结果有助于跨语言文本表征的类型学可解释性的新生领域。
2020-11-04 cs.CL
Phylogenetic typology
University of Tübingen（蒂宾根大学）
在这篇文章中，我们提出了一种新的方法来估计频率分布的语言变量，同时控制统计的非独立性，由于共同的祖先。与以前的方法不同，我们的技术使用所有可用的数据，从语言家庭大小以及从隔离，同时控制不同程度的相关性的连续规模估计的数据。我们的方法包括三个步骤：首先，分布的同源词推断从词汇数据。第二，将这些概率作为统计模型的一部分，以统计方式估计参数状态之间的转换率。最后，计算所得马尔可夫过程的长期均衡。作为一个案例研究，我们调查了一系列潜在的语序相关性在世界各地的语言。
2021-03-19 cs.CL q-bio.PE q-bio.QM
Media Manipulations in the Coverage of Events of the Ukrainian Revolution of Dignity: Historical, Linguistic, and Psychological Approaches
Lviv Polytechnic National University（利沃夫国立理工大学）
本文基于历史、语言学与心理学方法，分析了乌克兰尊严革命期间在线报纸的媒体操纵行为，设计了媒体操纵检测算法并开发了应对信息攻击的方法。
2024-07-09 cs.CL cs.CY
The Cognate Data Bottleneck in Language Phylogenetics
Computational Molecular Evolution group, Heidelberg Institute for Theoretical Studies, Heidelberg, Germany（海德堡理论研究所计算分子进化组）；Institute for Theoretical Informatics, Karlsruhe Institute of Technology, Karlsruhe, Germany（卡尔斯鲁厄技术大学理论信息研究所）；Biodiversity Computing Group, Institute of Computer Science, Foundation for Research and Technology - Hellas（生物多样性计算组，计算机科学研究所，希腊基础研究与技术院）
本文指出同源词数据规模不足构成计算系统发生学应用的瓶颈，并通过从 BabelNet 自动提取数据的实验证明所得系统发生树与金标准严重不一致，从而说明现有计算方法难以直接用于历史语言学。
2025-07-01 cs.CL q-bio.PE
Syntactic structures and the general Markov models
California Institute of Technology（加州理工学院）
我们通过考虑Longobardi（2017 b），Collins（2010），Ceolin et al.（2020）和Koopman（2011）的句法结构数据来研究句法信息中存在的系统发育信号。首先集中在一般的马尔可夫模型，我们探讨如何以及句法结构的数据符合这些模型所要求的假设。我们这样做是通过比较派生的系统发育树对树同意由语言学界。然后，我们将Ceolin et al.（2020）的方法解释为无限站点进化模型，并将数据的一致性与这种替代方法进行比较。本文讨论的思想和方法比句法结构的具体设置更普遍适用，并且可以用于其他情况下，当分析数据与假设的进化模型的一致性时。
2022-10-18 cs.CL
Beyond cognacy
University of Tübingen（蒂宾根大学）
本文比较了传统词源集方法与两种自动方法在语言谱系分析中的效果，发现基于MSA的方法能产生更一致的树结构，预测 typological 变异更准确，具有更清晰的谱系信号。
2026-08-11 cs.CL q-bio.PE
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
Building Foundations for Natural Language Processing of Historical Turkish: Resources and Models
Saarland University（萨尔兰大学）；Medeniyet University（文明大学）
本文提出历史土耳其语NLP的基础资源和模型，包括首个命名实体识别数据集HisTR和首个通用依赖树库OTA-BOUN，以及基于Transformer的模型，提升了历史土耳其语的计算分析能力。
2026-03-27 cs.CL
Semantics drives analogical change in Germanic strong verb paradigms: a phylogenetic study
Institute for the Interdisciplinary Study of Language Evolution（语言演化跨学科研究所）；University of Zurich（苏黎世大学）
本研究通过107个同源动词和分层系统发育模型，证实日耳曼语中ABB交替模式在标记现在-过去二元对立时更易保留，支持异常分布主要源于保留而非主动异常化的观点。
2025-02-24 cs.CL
Time Travel Engine: A Shared Latent Chronological Manifold Enables Historical Navigation in Large Language Models
Peking University（北京大学）；Zhejiang University（浙江大学）
时间旅行引擎通过共享的潜在时间流形，使大型语言模型能够导航历史，揭示语言模型中时间进程的连续几何结构。
2026-01-10 cs.CL
Modern Models, Medieval Texts: A POS Tagging Study of Old Occitan
Bavarian Academy of Sciences（巴伐利亚科学院）；LMU Munich（慕尼黑大学）；Albert-Ludwigs-Universität Freiburg（弗莱堡大学）；Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心）
本文通过古奥克语圣徒传记与医学两个语料库的词性标注实验，揭示开源大语言模型在处理低资源、非标准化历史语言时的性能局限，并提供错误分析与改进建议。
2025-03-10 cs.CL
LinguAlchemy: Fusing Typological and Geographical Elements for Unseen Language Generalization
MBZUAI（穆罕默德·本·扎耶德人工智能大学）；The Hong Kong University of Science and Technology（香港科技大学）；Capital One（第一资本金融公司）；Institut Teknologi Bandung（万隆理工学院）
针对预训练语言模型在未见语言上表现不佳的问题，提出融合多类语言特征的正则化方法LinguAlchemy及其扩展，有效提升低资源语言下游任务性能与未见语言泛化能力，降低超参数搜索成本。
2024-10-04 cs.CL
Cross-Linguistic Transcription and Phonological Representation in the Huìtóngguǎnxì Huáyíyìyǔ
Department of Korean language and literature, Duksung Women’s University（韩国语言文学系，杜克松女子大学）
本研究将《会同馆华夷译语》视为一个连贯的多语言转写系统，通过数字化和音系分析，揭示了其主要转写和补充转写的跨语言规律，并论证了该系统作为历史音系证据的价值。
2026-05-26 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
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
ChronoLens: Measuring Language Change Across Time, Languages, and Linguistic Levels
ChronoLens框架结合多语言模型等技术，分析1803-2026年五议会传统的海量文本，揭示同语言内各语言层面变化幅度相当、不同语言变化轨迹有差异，为跨语言历史语言变化研究提供方法。
2026-08-05 cs.AI cs.CL
Are Sounds Sound for Phylogenetic Reconstruction?
Heidelberg Institute for Theoretical Studies（海德堡理论研究所）；University of Tübingen（蒂宾根大学）；Institute of Computer Science（计算机科学研究所）；FORTH（克里特研究与技术基金会）
本研究针对计算语言学系统发育重建未充分利用语音特征的问题，基于10个多语系数据集与最优检测方法，首次对比语音与同源词方法的重建效果，发现同源词方法重建的系统发育树拓扑精度比语音方法高约三分之一。
2024-05-14 cs.CL cs.SD eess.AS
Modernizing Historical Documents: a User Study
Universitat Politècnica de València（瓦伦西亚理工大学）
历史文献的可访问性主要限于学者。这是由于人类语言固有的语言障碍和这些文件的语言特性。给定一个历史文档，现代化的目的是生成一个新的版本，用文档语言的现代版本编写。其目标是解决语言障碍，降低理解难度，使更广泛的受众能够访问历史文献。在这项工作中，我们提出了一种新的神经机器翻译方法，从现代文档中受益，以丰富其系统。我们用自动和人工评估测试了这种方法，并进行了用户研究。结果表明，现代化正在顺利实现其目标，尽管仍有改进的余地。
2020-03-04 cs.CL
Historical Ink: 19th Century Latin American Spanish Newspaper Corpus with LLM OCR Correction
Universidad de los Andes（安第斯大学）；Rice University（莱斯大学）
本文构建了19世纪拉丁美洲报纸文本新数据集，并开发了基于大语言模型的半自动化框架，用于OCR错误校正和语言表层形式检测，填补了该地区历史语言学语料库空白。
2024-10-04 cs.CL cs.DL
URIEL+: Enhancing Linguistic Inclusion and Usability in a Typological and Multilingual Knowledge Base
University of Toronto（多伦多大学）；Ontario Tech University（安大略理工大学）；University of Michigan（密歇根大学）；Universiteit Gent（根特大学）
本文提出 URIEL+，通过扩展2898种语言的类型学特征并提供稳健可定制的距离计算，增强 URIEL/lang2vec 的包容性、可用性及下游任务表现。
2025-02-14 cs.CL cs.LG
Under-resourced studies of under-resourced languages: lemmatization and POS-tagging with LLM annotators for historical Armenian, Georgian, Greek and Syriac
LIPN, CNRS UMR 7030（法国国家科学研究中心LIPN实验室（UMR 7030））；École nationale des chartes, Université Paris-Sciences-et-Lettres (PSL)（巴黎文理研究大学（PSL）国立文献学院）；Université catholique de Louvain（鲁汶天主教大学）
本文研究了LLM在低资源语言词形还原和词性标注中的表现，发现其在少量样本设置中表现优异，尤其在缺乏数据时能有效辅助标注。
2026-02-17 cs.CL
Open Korean Historical Corpus: A Millennia-Scale Diachronic Collection of Public Domain Texts
本文介绍了一个涵盖1300年历史的韩国语料库，用于量化分析语言演变，包括韩文书写系统的变化及现代语言模型的改进。
2026-03-05 cs.CL
Cultural Shift or Linguistic Drift? Comparing Two Computational Measures of Semantic Change
Stanford University（斯坦福大学）
词汇的意义变化有很多原因，包括文化因素，如新技术和常规的语言过程，如主观化。理解语言和文化的演变需要解开这些潜在的原因。在这里，我们将展示如何使用两种不同的分布措施来检测两种不同类型的语义变化。第一个措施，这已经在许多以前的作品中使用，分析一个词的分布语义的全球变化，它是敏感的变化，由于语言漂移的常规过程，如语义概括的承诺（“我承诺。”--“它保证会令人兴奋。").第二个衡量标准，我们在这里开发的，重点是一个词的最近的语义邻居的本地变化;它是更敏感的文化转变，如细胞的意义的变化（“监狱细胞”->“手机”）。通过比较这两种方法所做的测量，研究人员可以确定变化在本质上是更多的文化还是语言，这一区别对于数字人文和历史语言学的工作至关重要。
2016-09-24 cs.CL
Typological Feature Prediction with Large Language Models: An In-Context Learning Approach
University of Toronto（多伦多大学）；Ontario Tech University（安大略理工大学）
该研究针对类型学特征预测现有方法可解释性不足且表现未充分探索的问题，采用基于URIEL+和Glottolog数据的上下文学习方法，发现结合系统发育与地理邻接证据的LLMs表现优于基线，且能生成符合证据的可解释依据。
2026-09-04 cs.CL
Information Loss in LLMs' Multilingual Translation: The Role of Training Data, Language Proximity, and Language Family
The Chinese University of Hong Kong（香港中文大学）；The Hong Kong University of Science and Technology（香港科技大学）
本研究系统调查了训练数据量、语言邻近度和语系对LLMs多语言翻译信息损失的影响，发现丰富的训练数据可缓解语言差异，且语言间结构关系是翻译质量的关键预测因子。
2025-06-29 cs.CL
Historical Ink: Semantic Shift Detection for 19th Century Spanish
Universidad de los Andes（安第斯大学）
本研究针对19世纪西班牙语（重点为拉美西语）的语义演变检测任务，构建专属语料库与可定制流水线，用古西语微调的类BERT模型分析词义变化，为探究语言反映的文化社会变迁提供参考。
2024-07-19 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
Evaluating Polish linguistic and cultural competency in large language models
National Information Processing Institute（国家信息处理研究所）
针对大型语言模型缺乏文化背景知识易致细微错误的问题，提出包含600个手工制作问题的波兰语言与文化能力基准，涵盖六个类别，并评估了30多个模型，为模型波兰能力提供新视角。
2025-03-02 cs.CL
Feature-Refined Unsupervised Model for Loanword Detection
LLACAN, CNRS（法国国家科学研究中心，语言、非洲语言与文化实验室）
针对现有借词检测依赖外部信息的局限，提出仅用语言内部信息的无监督模型，通过特征提取与概率映射迭代优化，在六种印欧语数据集上优于基线且跨语言扩展性能提升显著。
2025-08-25 cs.CL
Large Language Models for Summarizing Czech Historical Documents and Beyond
Department of Computer Science and Engineering, University of West Bohemia in Pilsen（计算机科学与工程系，西波西米亚大学）
本研究应用Mistral和mT5等大语言模型处理捷克语文本摘要，在SumeCzech数据集上取得新最优结果，并引入历史捷克语文档摘要新数据集Posel od Čerchova及基线结果。
2025-08-14 cs.CL
Opportunities and Challenges of Large Language Models for Low-Resource Languages in Humanities Research
School of Computing, The University of Georgia（佐治亚大学计算机学院）；Department of Mathematical and Statistical Sciences, University of Alberta（阿尔伯塔大学数学与统计科学系）；University of California, Los Angeles（加州大学洛杉矶分校）；Department of Radiology, Massachusetts General Hospital and Harvard Medical School（麻省总医院放射科和哈佛医学院）
本文探讨了大型语言模型在低资源语言研究中的应用，分析了数据获取、模型适应性和文化敏感性等挑战，并强调了跨学科合作与定制模型的重要性。
2026-04-17 cs.AI cs.CL
Measuring the Functional Load of Phonological Contrasts
频率计数是衡量一种语言使用一个语言单位（如音素或单词）的程度。然而，重要的往往不是单位本身，而是它们之间的对比。因此，需要一个衡量标准来衡量一种语言对对比的使用程度，即对比的功能负荷（FL）。我们概括了以前的工作在语言学和语音识别，并提出了一个家庭的措施FL的几个语音对比，包括音位对立，独特的功能，超音段，和音韵规则。然后，我们测试它的鲁棒性语料库的变化。最后，我们在历史语言学，语言习得和语音识别的背景下，提供广东话，荷兰语，英语，德语和普通话的例子。更多信息请访问http://dinoj.info/research/fload
2003-11-24 cs.CL
Can Linguistic Distance help Language Classification? Assessing Hawrami-Zaza and Kurmanji-Sorani
University of Kurdistan Hewlêr（库尔德斯坦赫勒大学）
考虑Hawrami和Zaza（Zazaki）独立的语言或语言的方言已经在积极研究伊朗语言的语言学家中讨论和辩论了一段时间。这些语言/方言是否属于库尔德语，或者它们是否是伊朗语言的独立后裔，这个问题由麦肯齐（1961）回答。然而，大多数说方言的人反对这个答案。他们的不赞成主要是基于社会学，文化和历史的方言之间的关系。虽然Hawrami和Zaza的情况仍然没有得到探讨和研究，但对于Kurmanji和Sorani作为库尔德方言的分类几乎存在一致的意见。针对上述案例的相关研究主要是定性研究。然而，计算语言学可以从定量的角度来处理这个问题。在这项研究中，我们从语言距离的角度来研究三个问题。首先，考虑到两者之间没有共同的地理共存，Hawrami和Zaza是多么相似或不同。第二，Kurmanji和Sorani在地理上有重叠。最后，所有这些方言之间的距离是多少？我们基于我们的计算这些方言（语言）的语音表示，我们计算各种语言之间的距离对。我们分析数据并讨论结果以得出结论。
2021-10-27 cs.CL
HistoryBankQA: Multilingual Temporal Question Answering on Historical Events
本文提出了包含1000万以上历史事件的多语言数据库HistoryBank，并构建了涵盖6种时序推理任务的问答基准，评估了多种流行语言模型在多语言历史事件时序推理上的表现。
2025-09-16 cs.CL
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
Semantic Field Theory: Historical Origin, Higher-Order Interaction, and Stabilized Semantic Inference
NIKI – Digital Engineering（尼基数字工程公司）；TWT Science & Innovation（TWT科学与创新公司）
本文围绕语义场理论展开，重构其演变并赋予清晰数学核心。核心方法是通过词汇表征等建模语言组织层次，贡献五个形式元素。主要贡献是为计算语言学等提供了可评估的模型及相关理论元素，虽非完整理论，但有重要意义。
2026-07-24 cs.CL
Targeted Linguistic Analysis of Sign Language Models with Minimal Translation Pairs
Toyota Technological Institute at Chicago（芝加哥丰田技术研究所）；Linguistics Department, The University of Texas at Austin（德克萨斯大学奥斯汀分校语言学系）；Linguistics Department, The University of Chicago（芝加哥大学语言学系）
针对手语翻译模型，通过构建美国手语最小翻译对数据集（ASL-MTP）并消融输入线索，分析模型对不同手语现象（尤其是非手动线索）的捕捉能力。
2026-07-16 cs.CL
LSTM-Based Text Generation: A Study on Historical Datasets
Çankırı Karatekin University（昌克勒·卡拉泰金大学）；Kırıkkale University（克勒克卡莱大学）
本研究探索LSTM网络在文本生成中的应用，使用莎士比亚和尼采的历史数据集训练模型，验证了其高准确率与高效性，为自然语言处理及历史语言学研究提供了新思路。
2024-03-11 cs.AI cs.CL
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
It's All About the Confidence: An Unsupervised Approach for Multilingual Historical Entity Linking using Large Language Models
Department of Humanities, University of Macerata（马切拉塔大学人文学科系）；KNAW Humanities Cluster, DHLab（荷兰人文集群、DHLab）；INFRES Department, Télécom Paris（巴黎电信学院INFRES部门）
本文提出MHEL-LLaMo，一种结合小型语言模型和大语言模型的无监督方法，用于多语言历史实体链接，通过置信度评分降低计算成本并提升准确性。
2026-01-13 cs.CL
