The Syntactic Acceptability Dataset (Preview): A Resource for Machine Learning and Linguistic Analysis of English
Florida State University（佛罗里达州立大学）
该论文介绍了一个包含1,000个英语序列的句法可接受性数据集预览版，标注了语法性和可接受性，并发现两者约83%一致，且机器学习模型预测可接受性优于语法性。
2025-06-22 cs.CL
Right-Wing Rock or Just Rock? A Computational Linguistic Analysis of Frei.Wild
Heinrich Heine University Düsseldorf（海因里希·海涅大学杜塞尔多夫）；University of Florida（佛罗里达大学）
本研究通过计算语言学方法分析德国乐队Frei.Wild的歌词，发现其政治归属模糊但偏向右翼，分类器标记过半歌曲为右翼极端，展示了计算方法在识别音乐极端倾向中的价值。
2026-10-01 cs.CL
Teaching NLP with Bracelets and Restaurant Menus: An Interactive Workshop for Italian Students
University of Trento（特伦托大学）；Aston University（阿斯顿大学）；University of Bologna（博洛尼亚大学）；University of Pisa（比萨大学）；University of Trieste（的里雅斯特大学）；University of Groningen（格罗宁根大学）
针对意大利高中缺乏计算语言学教育的问题，开发了面向13至18岁学生的互动工作坊，通过游戏化方式教授NLP和计算语言学核心概念，以提升学生的认知与长期兴趣。
2021-05-14 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
Systematic improvement of user engagement with academic titles using computational linguistics
State University of New York at Albany（纽约州立大学奥尔巴尼分校）；The Academic College of Tel Aviv Yaffo（特拉维夫雅法学院）
本文介绍了一种新的方法，系统地改善信息的互动，完全基于它的措辞。在跨学科的文献回顾之后，我们认识到了推动用户参与的三个关键属性：（1）新颖性（2）熟悉性（3）重复性。基于这些属性，我们开发了一个模型，使用计算语言学，自然语言处理（NLP）和文本分析（词频，情感分析和词汇替换）系统地改进给定的内容。我们进行了一项试点研究（n=216），其中该模型被用来正式评估和优化的学术职称。使用组间设计（A/B检验）比较对原始和修改（治疗）标题的反应。收集数据用于选择和评估（用户参与度量表）。试点结果表明，用户对数字信息的参与是由所使用的措辞促进的，也许取决于所使用的措辞。它们还提供了经验支持，可以系统地评估和制作引人入胜的内容。初步结果表明，修改后的标题（治疗）有显着更高的分数的信息使用和用户参与（选择和评价）。我们建议，计算语言学是一个有用的方法来优化信息交互。基于经验的见解可以为数字内容战略的制定提供信息，从而提高信息交互的成功率。
2019-06-23 cs.CL cs.DL cs.HC
What Differentiates Educational Literature? A Multimodal Fusion Approach of Transformers and Computational Linguistics
Nottingham Trent University（诺丁汉特伦特大学）
针对教育工作者缺乏工具评估文献可读性并适配课程的问题，本研究提出结合Transformer文本分类与语言特征分析的多模态方法，融合模型F1分数达0.996，封装成应用赋能课程规划的数据驱动决策。
2024-12-02 cs.AI cs.CL cs.LG
Linguistic Features for Interpretable Textual Entailment
Centro de Investigación en Ciencias, Universidad Autónoma del Estado de Morelos（莫雷洛斯州自治大学科学研究中心）；Centro Interdisciplinario de Investigación en Humanidades, Universidad Autónoma del Estado de Morelos（莫雷洛斯州自治大学跨学科人文研究中心）
提出可解释混合模型SLITE，结合结构-关系与分布-信息特征，在SICK上达83%准确率，优于IsoLex且接近RoBERTa，验证了混合方法的科学价值。
2026-09-22 cs.CL cs.SC
Is Everything Fine, Grandma? Acoustic and Linguistic Modeling for Robust Elderly Speech Emotion Recognition
Utrecht University（乌得勒支大学）；St. Petersburg Institute for Informatics and Automation of the Russian Academy of Sciences（俄罗斯科学院圣彼得堡信息学与自动化研究所）；Ulm University（乌尔姆大学）；ITMO University（圣彼得堡国立信息技术机械与光学大学）
老年人情感识别的声学和语言分析是一个研究不足且具有挑战性的研究方向，但对于为老年人创建数字助理以及为精神保健目的在住宅中对老年人进行非侵入式远程监控至关重要。本文介绍了我们对INTERSPEECH 2020计算副语言学挑战赛（ComparE）-老年人情感子挑战赛的贡献，该挑战赛由唤醒和效价识别的两个三元分类任务组成。我们提出了一个双模态框架，这些任务分别使用最先进的声学和语言特征进行建模。在这项研究中，我们证明了利用特定于任务的词典和资源可以提高语言模型的性能，当标记数据量很小时。观察各种模型的开发和测试集性能之间的高度不匹配，我们还提出了替代的训练和决策融合策略，以更好地估计和提高泛化性能。
2020-09-07 cs.CL cs.HC cs.LG
Domain-Independent Deception: A New Taxonomy and Linguistic Analysis
University of Houston（休斯顿大学）；Tel Aviv University（特拉维夫大学）；InstaBase（InstaBase公司）；University of California – Berkeley（加州大学伯克利分校）
该研究针对当前欺骗检测多为领域特定的现状，梳理分散研究并探究领域无关欺骗，提出新的计算定义与分类体系，分析语言线索争议并给出综述指南，验证了不同欺骗形式间的知识迁移性。
2024-02-01 cs.CL cs.CR cs.CY
Lexical bundles in computational linguistics academic literature
本研究分析了一个800万字的计算语言学学术文献语料库。基于结构和功能对来自该语料库的词束进行分类。
2016-03-10 cs.CL
Logical Computational Linguistics
本书提出逻辑计算语言学，提供逻辑语义接口，整合二十多年类型逻辑语法研究并引入新思想。
2026-04-19 cs.CL
Computational linguistics and Natural Language Processing
本章介绍了计算语言学方法，重点介绍了它们在翻译实践和研究中的应用。它涵盖了计算模型，方法和工具的收集，存储，索引和分析的语言数据在翻译的背景下，并讨论了在这一领域的主要方法问题和挑战。虽然对现有计算语言学方法和工具的详尽回顾超出了本章的范围，但我们描述了最具代表性的方法，并通过典型应用的描述来说明它们。
2022-06-14 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 Representation of Linguistic Structures using Domain-Specific Languages
University of Cologne（科隆大学）；German Institute of Medical Documentation and Information（德国医学文献与信息研究所）
我们描述了一个模块化的系统，用于从使用特定领域的语言的基本语言结构的正式定义生成句子。该系统一般使用Java，用于词条的Prolog和基于功能语法和功能语篇语法符号的自定义域特定语言，使用ANTLR解析器生成器实现。我们展示了如何在一个自然语言处理系统中将语言和技术部分结合在一起，以及如何将特定领域的语言用作语言描述中一致的正式符号的工具。
2008-05-21 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
A computational linguistic study of personal recovery in bipolar disorder
Spectrum Centre for Mental Health Research（斯佩克特鲁姆心理健康研究中心）；Lancaster University（兰卡斯特大学）
心理健康研究可以受益于越来越多的计算语言学方法，在互联网上提供丰富的语言数据和先进的计算工具。这个跨学科项目将收集和分析被诊断患有双相情感障碍的个人的社交媒体数据，以了解他们的康复经历。个人康复-沿着严重心理健康问题的症状过上满意和有贡献的生活-到目前为止，只对西方国家主要讲英语的参与者进行了结构化访谈和标准化问卷的定性和定量调查。作为对这一证据的补充，计算语言学方法使我们能够分析大量在线共享的第一人称账户，代表非结构化的环境和更异质的多语言人群，以更全面地了解双相情感障碍患者个人康复的各个方面和机制。
2019-06-03 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
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
Towards Computational Linguistics in Minangkabau Language: Studies on Sentiment Analysis and Machine Translation
The University of Melbourne（墨尔本大学）；Andalas University（安达拉斯大学）
尽管一些语言学家（Rusmali等人，一九八五年; Crouch，2009）已经相当尝试定义米南卡堡语的词法和句法，但由于注释资源的稀缺，这种语言的信息处理仍然缺乏。在这项工作中，我们发布了两个米南卡堡语料库：情感分析和机器翻译，收获和构建从Twitter和维基百科。我们使用经典的机器学习和序列到序列模型（如LSTM和Transformer）在米南卡堡语言中进行了第一次计算语言学。我们的第一个实验表明，当使用印度尼西亚语训练的模型进行测试时，米南卡堡文本的分类性能显着下降。然而，在机器翻译实验中，使用双语词典的简单逐字翻译在BLEU得分方面优于LSTM和Transformer模型。
2020-09-19 cs.CL
A Survey in Automatic Irony Processing: Linguistic, Cognitive, and Multi-X Perspectives
Northwestern University（西北大学）；The Hong Kong Polytechnic University（香港理工大学）
反语是日常交际中普遍存在的一种比喻性语言。以前，许多研究者从语言学、认知科学和计算等方面对反语进行了研究。近年来，随着自然语言处理（NLP）中深度神经模型的快速发展，反语自动处理取得了一些进展。在本文中，我们将提供一个全面的概述计算反讽，从语言学理论和认知科学的见解，以及它与下游NLP任务和新提出的多X反讽处理的观点的相互作用。
2022-09-10 cs.CL
\textit{Versteasch du mi?} Computational and Socio-Linguistic Perspectives on GenAI, LLMs, and Non-Standard Language
University of Galway（戈尔韦大学）；University of Zurich（苏黎世大学）
本文探讨生成式人工智能和LLMs对非标准语言的处理，分析其对语言标准化和数字语言鸿沟的影响，并提出民主和去殖民化的数字学习策略。
2026-11-03 cs.CL
Computational Social Linguistics for Telugu Cultural Preservation: Novel Algorithms for Chandassu Metrical Pattern Recognition
Independent Researcher（独立研究者）；Department of Computer Science and Engineering（计算机科学与工程系）
本研究提出计算社会科学方法保护泰卢固语Chandassu格律诗传统，构建含4651首标注作品的数据集与多模块数字框架，在Chandassu Score上达91.73%准确率，为社群导向的文化保护提供新思路。
2026-10-14 cs.CL
Computational linguistic assessment of textbook and online learning media by means of threshold concepts in business education
Goethe University Frankfurt（法兰克福歌德大学）；Johannes Gutenberg-Universität Mainz（美因茨约翰内斯·古腾堡大学）；Laboratoire de Linguistique Formelle（形式语言学实验室）；Université de Paris（巴黎大学）
阈值概念是基于领域的知识获取中的关键术语。它们被认为是特定学习者领域知识概念发展的基石。然而，从语言学的角度来看，阈值概念是专门词汇的实例，表现出特定的语言特征。门槛概念通常用于教科书等专业文本中-也就是说，在正式的学习环境中。然而，他们也发生在非正式的学习环境，如报纸。在这篇文章中，第一种方法是将两条线结合成一个总体的研究计划-也就是说，提供一个计算语言评估不同的资源，包括特别是在线资源，通过阈值的概念。为此，63个阈值概念的商业教育（已收集的阈值概念研究）的分布概况进行了调查，在三种（德国）资源，即教科书，报纸和维基百科。维基百科是最大和最广泛使用的在线资源之一。我们考察了阈值概念在三类资源中的频率分布、复合分布和网络结构。本文的主要发现可以概括为以下两点：第一，这三种资源确实可以通过它们的阈值概念轮廓来区分。其次，维基百科显然是一个正式的学习资源。
2020-08-05 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
Computational Modeling of Artistic Inspiration: A Framework for Predicting Aesthetic Preferences in Lyrical Lines Using Linguistic and Stylistic Features
University of Waterloo（滑铁卢大学）；David R. Cheriton School of Computer Science（戴维·R·切里顿计算机科学学院）；Department of Management Science and Engineering（管理科学与工程系）
本研究针对艺术灵感难以系统研究的问题，提出结合语言学与风格特征及校准网络的歌词审美偏好计算框架，构建标注数据集EvocativeLines，实验显示其性能优于LLaMA-3-70b近18个点，可适配分析各类主观艺术偏好。
2024-10-03 cs.CL
Performing Stance Detection on Twitter Data using Computational Linguistics Techniques
Indiana University（印第安纳大学）
作为人类，我们经常可以从一个人的话语中检测到他或她是否赞成或反对给定的目标实体（主题，产品，另一个人等）。但从计算机的角度来看，我们需要一种方法来自动推断高音喇叭的立场，只给出推文文本。在本文中，我们提出了我们的结果，使用监督的方法对Twitter数据进行姿态检测。我们首先提取词袋来使用TIMBL进行分类，然后尝试优化特征以提高立场检测准确性，然后使用两组词典扩展数据集-争论和MPQA主观性;接下来我们探索MALT解析器并使用其依赖三元组构建特征，最后我们使用Scikit-learn随机森林实现进行分析。
2017-03-06 cs.CL
Aesthetics of Sanskrit Poetry from the Perspective of Computational Linguistics: A Case Study Analysis on Siksastaka
IIT Kanpur（印度理工学院坎普尔分校）；University of Hyderabad（海得拉巴大学）；IIT Roorkee（印度理工学院鲁尔基分校）；Utah State University（犹他州立大学）；IIT Kharagpur（印度理工学院克勒格布尔分校）；IIT Mandi（印度理工学院曼迪分校）
本文提出人机协同的可解释计算语言学框架，结合六大梵语诗学派对 Siksastaka 进行多层面标注与分析，并提供 Web 应用支持后续研究。
2023-08-14 cs.CL
CLICKER: A Computational LInguistics Classification Scheme for Educational Resources
Tata Consultancy Services Limited（塔塔咨询服务有限公司）；Yale University（耶鲁大学）；University of Waterloo（滑铁卢大学）
一个科学主题的分类方案提供了其知识体系的概述。它还可以用来方便访问与该主题有关的研究文章和其他材料。例如，ACM Computing Classification System（CCS）用于ACM数字图书馆搜索界面，也用于索引计算机科学论文。我们观察到，像CCS或数学主题分类（MSC）这样的综合分类系统并不存在于计算语言学（CL）和自然语言处理（NLP）中。我们提出了一个分类方案- CLICKER CL/NLP的基础上分析了77个大学课程在线讲座在这个问题上。目前提出的分类法包括334个主题，并侧重于CL/NLP的教育方面;它主要基于但不限于NLP课程的讲义。我们讨论了这样的分类可以帮助在各种现实世界中的应用，包括辅导平台，资源检索，资源推荐，先决条件链学习，和调查生成。
2021-12-16 cs.CL
An efficient automated data analytics approach to large scale computational comparative linguistics
Department of Computer Science Brunel University London（伦敦布鲁内尔大学计算机科学系）
该研究项目旨在克服分析人类语言关系的挑战，通过开发自动比较技术促进语言分组和它们之间的谱系关系的形成。技术是基于某些关键词和概念的语音表示。示例词集包括数字1-10（策划），数字1-10和绵羊计数数字1-10（其他来源）的大型数据库，颜色（策划），基本词（策划）。为了能够在组内进行比较，基于Levenshtein距离度量计算编辑距离的度量。两个字符串之间的度量是单个字符编辑的最小数量，操作包括：插入，删除或替换。为了探索哪些单词表现出或多或少的变化，哪些单词更容易保存，并研究如何根据集合内的语言距离对语言进行分组，涉及了几种数据分析技术。其中包括密度评估、等级聚类、轮廓、平均值、标准差和Bhattacharya系数计算。这些技术导致了后来通过结合Unix shell脚本，开发的R包和SWI Prolog实现的工作流的开发。这被证明是计算效率高，并允许快速探索大型语言集及其分析。
2020-01-31 cs.CL
Group Communication Analysis: A Computational Linguistics Approach for Detecting Sociocognitive Roles in Multi-Party Interactions
University of Michigan（密歇根大学）；University of Memphis（孟菲斯大学）
角色是理解人类社会认知行为的重要概念之一。在小组互动中，成员在讨论中扮演不同的角色。角色具有不同的行为参与模式（即，主动或被动，领先或跟随），贡献特性（即，提供新的信息或呼应给定的材料），和社会取向（即，个人或团体）。这些角色的不同组合可以产生不同的群体结果，对集体目标的生产力或低或高。在在线协作学习环境中，这可能会导致个人参与者的学习结果更好或更差。在这项研究中，我们提出并验证了一种新的方法来检测新兴的角色，从参与者的贡献和互动模式。具体来说，我们开发了一个组通信分析（GCA）相结合的自动计算语言技术与分析的顺序互动的在线组通信。GCA应用于三个大型协作交互数据集（参与者N = 2，429;组N = 3，598）。聚类分析和线性混合效应模型被用来评估GCA方法的有效性和学习者角色对学生和小组成绩的影响。结果表明，参与者的语言协调和衔接模式是个人在合作讨论中所扮演的角色的代表。更广泛地说，GCA为研究人员提供了一个框架，以探索与参与者的角色和成功合作相关的社会认知过程相关的微观内部和人际模式。
2018-01-07 cs.CL
Distributional Semantics and Linguistic Theory
Universitat Pompeu Fabra（庞培法布拉大学）；Catalan Institution for Research and Advanced Studies (ICREA)（加泰罗尼亚高等研究院）
分布语义学提供了多维的，分级的，经验诱导的词表示，成功地捕捉了自然语言中的许多方面的意义，如在计算语言学的大量工作所示，但它在理论语言学的影响迄今为止是有限的。这篇评论提供了一个重要的讨论的文献分布语义学，强调的方法和结果，是相关的理论语言学，在三个领域：语义变化，一词多义和组成，和语法语义接口（具体来说，接口的语义与句法和派生形态）。该评论旨在促进语言的理论和计算方法的更大的交叉施肥，作为一种手段，以提高我们对语言如何工作的集体知识。
2020-03-18 cs.CL
A Survey of Code-switching: Linguistic and Social Perspectives for Language Technologies
Ghent University（根特大学）；Microsoft Research India（微软印度研究院）；UT at Austin（德克萨斯大学奥斯汀分校）
近年来，对代表多种语言的数据的分析在计算语言学家中得到了普及。到目前为止，大部分研究主要集中在计算方法的改进上，在很大程度上忽略了语言学长期文献中广泛讨论的C-S的语言和社会方面。为了填补这一空白，我们提供了一个调查的代码转换（C-S）涵盖在语言学文献与语言技术的关键问题的反思。从语言学的角度来看，我们提供了一个概述的结构和功能模式的C-S集中在文学从欧洲和印度的背景下，高度多语言的地区。从语言技术的角度来看，我们讨论了如何大量的语言模型未能代表不同的C-S类型，由于缺乏适当的训练数据，缺乏强大的C-S（跨多语言的情况和C-S类型）的评估基准，以及缺乏端到端的系统，涵盖社会语言学方面的C-S。我们的调查将是朝着计算科学家和语言学家在多语言和C-S方面共同利益的结果迈出的一步。
2023-01-05 cs.CL
Charting a Decade of Computational Linguistics in Italy: The CLiC-it Corpus
CNR（意大利国家研究理事会）；University of Pisa（比萨大学）；CoLingLab（语言学协作实验室）
本文通过构建 CLiC-it 语料库，分析意大利 CL/NLP 会议十年论文，揭示研究趋势从词汇语义资源转向语言建模与多模态，为社区提供发展洞察。
2025-09-24 cs.CL
ChiSCor: A Corpus of Freely Told Fantasy Stories by Dutch Children for Computational Linguistics and Cognitive Science
Leiden Institute of Advanced Computer Science（莱顿大学高级计算机科学研究所）；Leiden University Medical Centre（莱顿大学医学中心）
本文发布包含619个荷兰儿童自由讲述奇幻故事的ChiSCor语料库，并通过句法复杂度、Zipf定律和词元向量三个案例展示其在儿童语言与认知研究中的潜力。
2023-10-31 cs.CL
On the Compatibility of Generative AI and Generative Linguistics
Department of Decision Sciences, HEC Montréal（决策科学系，蒙特利尔HEC商学院）；Mila - Quebec Artificial Intelligence Institute（魁北克人工智能研究所）；Department of Linguistics, University of California - Davis（语言学系，加州大学戴维斯分校）
本文论证生成式AI与生成语言学兼容，通过三个论点（语言模型作为形式生成模型、辅助发现程序、支持最简方案）说明其强化了乔姆斯基理论，同时生成语言学为评估和改进语言模型提供基础。
2025-05-26 cs.CL
Rank diversity of languages: Generic behavior in computational linguistics
Universidad Nacional Autónoma de México（墨西哥国立自治大学）
语言的统计研究主要集中在词的等级频率分布上。相反，我们在这里引入一个衡量单词等级如何随时间变化的方法，并将此分布称为\emph{rank diversity}。我们计算了自1800年以来以六种欧洲语言出版的书籍的多样性，发现它遵循普遍的对数正态分布。基于对数正态分布的平均值和标准差，我们定义了三种不同的语言词的制度：“头”由几乎不改变他们的排名在时间上的话，“机构”是一般使用的话，而“尾巴”是由特定的上下文的话，并改变他们的排名相当大的时间。头部和身体反映了语言学家为基本交流所确定的语言核心的大小。我们提出了一个高斯随机游走模型，它再现了单词在时间上的排名变化，从而多样性。单词的等级多样性可以理解为等级随机变化的结果，其中变化的大小取决于等级本身。我们发现，核心大小是相似的所有语言研究。
2015-05-14 cs.CL
Author-Specific Linguistic Patterns Unveiled: A Deep Learning Study on Word Class Distributions
University Hospital Erlangen（埃尔兰根大学医院）；FAU Erlangen-Nürnberg（埃尔兰根-纽伦堡大学）
该研究利用词性标注、二元组分析与深度神经网络进行文学作者分类，发现词类序列模式更能体现作者风格，验证了计算方法捕捉风格差异的有效性，为作者画像和文学研究提供支持。
2025-01-17 cs.CL
Exploring Linguistic Probes for Morphological Generalization
Stony Brook University（石溪大学）
本文提出语言特定探针以测试形态学泛化，发现三种领先的形态学词形变化系统在英语、西班牙语和斯瓦希里语的正字法及语音输入上采用了不同的泛化策略。
2023-10-20 cs.CL
Social Meme-ing: Measuring Linguistic Variation in Memes
University of California, Berkeley（加州大学伯克利分校）；University of Michigan（密歇根大学）
本文构建多模态计算流水线，将Reddit上的迷因聚类为模板和语义变量，发布380万图像的SemanticMemes数据集，发现子版块间迷因使用存在社会变异，且创新与涵化模式与书面语言研究一致。
2023-11-15 cs.CL
Linguistics Computation, Automatic Model Generation, and Intensions
提出了用于定义计算语言学理论模型的技术。作者提出的人工智能规划与推理的广义图建模方法，也适用于语言学理论的计算模型。结果表明，对于外延和内涵的解释，模型可以自动生成的语言学理论为自然语言的计算分配的意义。保留字：计算语言学，推理模型，模型G图，动态模型实现，人工智能语言学和逻辑学
1994-09-09 cmp-lg cs.CL
Linguistic unit discovery from multi-modal inputs in unwritten languages: Summary of the "Speaking Rosetta" JSALT 2017 Workshop
JHU（约翰斯·霍普金斯大学）；CMU（卡内基梅隆大学）
我们总结了一个多学科研讨会的成果，探讨了在没有正字法的语言中发现语言单位（子词和词）的计算和科学问题。我们研究了在资源丰富的语言中用图像和/或翻译文本替换正字法transmittance，以帮助从原始语音中进行无监督发现。
2018-02-14 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
The Typology of Polysemy: A Multilingual Distributional Framework
University of Toronto（多伦多大学）
词汇语义类型学已经确定了重要的跨语言概括的变化和共性的一词多义模式-语言如何包装成词的意义。最近的计算研究使调查的词汇语义在一个更大的规模，但很少有工作探讨词汇类型学的语义域，也没有影响跨语言的相似性的因素。我们提出了一个新的计算框架，量化语义亲和力，跨语言的词汇语义相似的概念。我们的方法定义了一个共同的多语言语义空间，使跨语言的概念的词汇表达的直接比较。我们验证了我们的框架对词汇语义类型学在概念和领域水平的实证研究结果。我们的研究结果揭示了语义域和语言外因素之间错综复杂的相互作用，超越了语言发生学，共同塑造了跨语言的多义类型。
2020-06-02 cs.CL
Linguistics and Human Brain: A Perspective of Computational Neuroscience
Institute of AI and Robotics, College of Intelligent Robotics and Advanced Manufacturing, Fudan University（人工智能与机器人研究院，智能机器人与先进制造学院，复旦大学）；Department of Language Science and Technology, The Hong Kong Polytechnic University（语言科学与技术系，香港理工大学）；Department of Computing, The Hong Kong Polytechnic University（计算系，香港理工大学）
本文从计算神经科学视角，通过建模、模拟和数据分析将语言层次动态结构转化为可测试神经模型，并利用深度学习和大语言模型探索语言处理的神经基础。
2026-06-26 cs.CL q-bio.NC
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
SWAY: A Counterfactual Computational Linguistic Approach to Measuring and Mitigating Sycophancy
Johns Hopkins University（约翰霍普金斯大学）
本文提出SWAY，一种无监督的计算语言学指标，用于衡量和缓解大语言模型的谄媚倾向。通过反事实提示机制，识别模型在正负语言压力下的同意变化，发现谄媚倾向随认知承诺增加而增强，并提出基于反事实的CoT缓解策略，有效降低谄媚倾向而不影响对真实证据的响应。
2026-04-02 cs.CL cs.CY
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
Measuring Linguistic Diversity During COVID-19
University of Canterbury（坎特伯雷大学）
语言多样性的计算测量有助于我们使用数字语言数据来理解语言景观。本文的贡献是利用COVID-19疫情导致的国际旅行限制来校准语言多样性的衡量标准。以前的工作已经使用地理参考社交媒体和网络数据绘制了语言分布图。然而，我们的目标是描述这些语料库本身，而不是对潜在的人群做出推断。本文提出了一种基于Herfindahl-Hirschman指数的差异中的差异方法，该方法可以识别由非本地人群引入的数字语料库中的偏见。这些方法可以告诉我们哪些地方发生了重大变化，以及这是否会导致多样性增加或减少。这是将社交媒体等数字语料库与产生它们的现实世界人口相结合的重要一步。
2021-04-03 cs.CL
Is it the end of (generative) linguistics as we know it?
IUSS Pavia（帕维亚高等研究院）
本文探讨生成语言学在面对皮安托索批评时的更新需求，强调形式化和实证数据集的重要性。
2025-06-03 cs.CL
Lexical Diversity in Kinship Across Languages and Dialects
University of Trento（特伦托大学）；IMT Atlantique（IMT大西洋大学）；Lab-STICC CNRS UMR 628（Lab-STICC法国国家科学研究中心联合研究单元628）
本文提出一种在计算词典中表征语言多样性的方法，并通过阿拉伯方言与印尼语言的亲属称谓案例研究验证其有效性，揭示了相近社区内部的词汇多样性。
2023-10-26 cs.CL
The Unstoppable Rise of Computational Linguistics in Deep Learning
Idiap Research Institute（伊迪亚普研究院）
在本文中，我们追溯了神经网络应用于自然语言理解任务的历史，并确定了语言的本质对神经网络体系结构的发展做出的关键贡献。我们重点讨论了变量绑定及其实例化在基于注意力模型中的重要性，并指出Transformer不是一个序列模型，而是一个诱导结构模型。这种观点导致预测自然语言理解的深度学习架构研究所面临的挑战。
2020-06-11 cs.CL cs.LG
Small Language Models Also Work With Small Vocabularies: Probing the Linguistic Abilities of Grapheme- and Phoneme-Based Baby Llamas
Bielefeld University（比勒费尔德大学）
本文训练基于 Llama 架构、使用字素或音素字符级词汇表的小型无分词语言模型，发现其在句法及新颖词汇、语音基准上表现强劲，为语言习得研究提供更合理的建模方向。
2025-01-03 cs.CL
The ACL OCL Corpus: Advancing Open Science in Computational Linguistics
Pennsylvania State University（宾夕法尼亚州立大学）；National University of Singapore（新加坡国立大学）
本文提出ACL OCL语料库，整合并增强ACL Anthology，提供元数据、PDF、引文图谱及结构化全文等资源，以推进计算语言学的开放科学研究，并展示了其在观察学科趋势方面的应用。
2023-10-24 cs.CL cs.DL
Identifying Causal Influences on Publication Trends and Behavior: A Case Study of the Computational Linguistics Community
National Security Directorate（国家安全局）；Pacific Northwest National Laboratory（太平洋西北国家实验室）
从观察到的真实世界数据中得出因果结论是一项非常理想但具有挑战性的任务。在本文中，我们提出了混合方法的分析，调查因果关系的影响，出版趋势和行为的采用，持久性和退休的某些研究焦点-方法，材料和任务，是感兴趣的计算语言学（CL）社区。我们的主要发现突出了研究界向快速新兴方法过渡的证据（例如，双向LSTM的采用影响LSTM的退出），与趋势任务和技术的持续参与（例如，深度学习、嵌入、生成和语言模型），来自美国以外的科学家位置的影响，例如，中国研究英语以外语言的倾向，以及资助大规模研究项目的潜在影响。我们预计这项工作将提供有关出版趋势和行为的有用见解，并提高对计算语言学和更广泛的科学界中因果推理潜力的认识。
2021-10-15 cs.CL cs.CY
