Linguistic Analysis of Sinhala YouTube Comments on Sinhala Music Videos: A Dataset Study
University of Moratuwa（莫拉图瓦大学）
本研究针对僧伽罗语音乐视频的 YouTube 评论构建了精炼数据集并提取了停用词，为音乐信息检索与情感识别提供了重要计算资源。
2025-01-28 cs.CL
GSDFuse: Capturing Cognitive Inconsistencies from Multi-Dimensional Weak Signals in Social Media Steganalysis
Beijing University of Posts and Telecommunications（北京邮电大学）；Beijing IntokenTech Co., Ltd.（北京IntokenTech公司）
针对社交媒体隐写分析中认知不一致性难以识别和多维弱信号聚合难的问题，提出GSDFuse方法，通过多模态特征工程、数据增强、自适应融合和判别嵌入学习，在复杂对话环境中实现最先进性能。
2025-05-20 cs.AI cs.CL cs.CR
Sentiment analysis is not solved! Assessing and probing sentiment classification
University of Oslo（奥斯陆大学）
SA的神经方法已经导致了对以前方法的定量改进，但这些进步并不总是伴随着对定性差异的彻底分析。因此，目前尚不清楚情感分析还存在哪些突出的概念挑战。在这项工作中，我们试图发现哪些挑战仍然证明英语情感分类器的问题，并提供一个具有挑战性的数据集。我们收集了一个（Oracle）最先进的情感分类器集合错误分类的句子子集，然后为它们注释了18种语言学和非语言学现象，如否定，讽刺，模态等。数据集可在https://github.com/ltgoslo/assessing_and_probing_sentiment上获得。最后，我们提供了一个案例研究，证明了有用的数据集探测一个给定的情感分类器的性能相对于语言现象。
2019-06-13 cs.CL
Decoding Linguistic Nuances in Mental Health Text Classification Using Expressive Narrative Stories
University of Missouri（密苏里大学）；Texas A&M University-Corpus Christi（德州农工大学科珀斯克里斯蒂分校）
本研究利用Reddit数据评估BERT、MentalBERT等模型在表达性叙事故事心理健康文本分类中的表现，发现BERT对主题词缺失敏感性低且能保持句序打乱时的准确率，更具实际应用优势。
2024-12-20 cs.CL cs.LG
Using Linguistic Analysis to Translate Arabic Natural Language Queries to SPARQL
The Islamic University of Gaza（伊斯兰大学（加沙））
语义网基于逻辑的机器可理解的框架往往挑战天真的用户，当他们试图查询基于本体的知识库。现有的研究工作已经接近这个问题，通过引入自然语言（NL）接口的本体。这些NL接口具有基于NL用户查询构造SPARQL查询的能力。然而，大多数努力仅限于用英语表达的查询，并且它们通常受益于英语NLP工具的进步。然而，很少有研究已经做了支持查询的阿拉伯语内容的语义Web上使用NL查询。本文提出了一种独立于领域的方法，利用语言分析将阿拉伯语NL查询转换为SPARQL。基于对名词短语（NPs）的特殊考虑，我们的方法使用语言解析器从阿拉伯语解析树中提取NPs和关系，并将它们与底层本体进行匹配。然后，它利用本体中的知识将NP分组为基于三重的表示。通过提取目标和修饰符，并将它们解释为SPARQL，最终生成SPARQL查询。对高级语义特征包括否定、连词和转折修饰语的解释也得到了支持。使用OWL测试数据和查询数据集对该方法进行了验证，结果证实了该方法将阿拉伯语NL查询转换为SPARQL的可行性。
2015-08-06 cs.AI cs.CL cs.DB
Cross-Linguistic Analysis of Memory Load in Sentence Comprehension: Linear Distance and Structural Density
Department of Biological Sciences, Indian Institute of Science Education and Research (IISER), Mohali, India（生物科学系，印度科学教育与研究学院（IISER），莫哈利，印度）
本研究通过跨语言依存树库和混合效应模型，发现干预者复杂度比线性距离更直接解释句子记忆负荷，调和了线性和层级局部性视角。
2025-09-26 cs.CL q-bio.NC
A Comprehensive Survey on Linguistic Steganography: Methods, Countermeasures, Evaluation, and Challenges
Graduate School of Informatics, Kyoto University（京都大学信息学研究科）；School of Cyberspace Security, Beijing University of Posts and Telecommunications（北京邮电大学网络空间安全学院）
该综述梳理了LLM时代语言隐写术的148种方法、60种对抗措施等内容，明确五大范式转变，为相关研究提供参考与路线图。
2026-09-01 cs.CL cs.CR
Dynamically Allocated Interval-Based Generative Linguistic Steganography with Roulette Wheel
School of Cyberspace Security, Beijing University of Posts and Telecommunications（北京邮电大学网络空间安全学院）
本文提出DAIRstega，一种基于动态区间分配和轮盘赌的生成式语言学隐写方案，通过按令牌条件概率分配区间长度提升隐写质量与隐蔽性，并支持可控生成和反隐写分析。
2025-03-28 cs.CL
Semantic-Preserving Linguistic Steganography by Pivot Translation and Semantic-Aware Bins Coding
语言隐写术（LS）的目的是将秘密信息嵌入到高度编码的文本中进行隐蔽通信。它可以大致分为两大类，即，基于修改的LS（MLS）和基于生成的LS（GLS）。与通过在不损害文本含义的情况下稍微修改给定文本来隐藏秘密数据的MLS不同，GLS使用训练的语言模型来直接生成携带秘密数据的文本。MLS方法的一个常见缺点是嵌入有效负载非常低，其返回值很好地保留了文本的语义质量。相比之下，GLS允许数据隐藏者嵌入高有效载荷，这必须付出不可控语义的高昂代价。在本文中，我们提出了一种新的LS方法来修改一个给定的文本之间的旋转两种不同的语言和嵌入秘密数据通过应用GLS类信息编码策略。我们的目的是改变给定文本的表达方式，在保持语义信息不变的同时嵌入高有效载荷。实验结果表明，该算法不仅具有较高的嵌入负载，而且在保持语义一致性和抵抗语言隐写分析方面表现出了较好的性能。
2022-03-08 cs.CL cs.CR
Frustratingly Easy Edit-based Linguistic Steganography with a Masked Language Model
Kyoto University（京都大学）
随着神经语言模型的发展，语言隐写的研究重点已经从基于编辑的方法转向基于生成的方法。虽然后者的有效载荷能力令人印象深刻，但生成看起来像机器人的文本仍然具有挑战性。在本文中，我们重新审视了基于编辑的语言隐写术，其想法是掩盖的语言模型提供了一种现成的解决方案。所提出的方法消除了艰苦的规则建设，并具有较高的有效载荷容量的编辑为基础的模型。它也被证明是更安全的自动检测比一代为基础的方法，同时提供更好的控制的安全/有效载荷容量的权衡。
2021-04-20 cs.CL
Linguistic Search Optimization for Deep Learning Based LVCSR
Shanghai Jiao Tong University（上海交通大学）
基于深度学习的大词汇量连续语音识别（LVCSR）的最新进展引起了对大规模语音转录的日益增长的需求。语音识别器的推理过程是找到一个标签序列，其相应的声学和语言模型最好地匹配输入特征[1]。主要计算包括两个阶段：声学模型（AM）推理和语言搜索（加权有限状态传感器，WFST）。这两个阶段的计算开销大，阻碍了LVCSR的广泛应用。受益于更强大的分类器，深度学习和更强大的计算设备，我们提出了解决这些基本问题的一般思路和一些初步尝试。
2018-08-02 cs.CL
Recent Advancements and Challenges of Turkic Central Asian Language Processing
Department of Language Science and Technology（语言科学与技术系）
本文探讨了中亚突厥语族语言处理的最新进展与挑战，分析了语言特征、技术现状及转移学习应用，旨在为未来研究提供方向。
2026-02-16 cs.CL
Recurrent Neural Networks in Linguistic Theory: Revisiting Pinker and Prince (1988) and the Past Tense Debate
Johns Hopkins University（约翰斯·霍普金斯大学）
本研究重审过去式之争经典案例，发现现代NLP的Encoder-Decoder网络可化解早年对神经模型的主要批评，支持重新评估神经网络在语言学与认知建模中的价值。
2026-08-27 cs.CL
Reasoning about Actions over Visual and Linguistic Modalities: A Survey
Arizona State University（亚利桑那州立大学）
“行动”在人类如何与世界互动并使他们实现预期目标方面发挥着至关重要的作用。因此，人类的大多数常识（CS）知识都围绕着行动。虽然“关于动作和变化的推理”（RAC）在知识表示社区中得到了广泛的研究，但它最近引起了NLP和计算机视觉研究人员的兴趣。本文调查了现有的任务，基准数据集，各种技术和模型，以及它们各自的性能，涉及RAC在视觉和语言领域的进展。最后，我们总结了我们的主要收获，讨论了这一研究领域目前面临的挑战，并概述了未来研究的潜在方向。
2022-07-15 cs.CL
Robust Reading Comprehension with Linguistic Constraints via Posterior Regularization
Tsinghua University（清华大学）；Institute for Artificial Intelligence（人工智能研究院）；State Key Lab of Intelligent Technology and Systems（智能技术与系统国家重点实验室）；Beijing National Research Center for Information Science and Technology（北京信息科学与技术国家研究中心）
尽管机器阅读理解（RC）取得了很大的进步，但现有的RC模型仍然很脆弱，对不同类型的对抗性示例不鲁棒。神经模型过度自信地预测语义不同的对抗性示例的错误答案，而过度敏感地预测语义等效的对抗性示例的错误答案。现有的方法，提高这种神经模型的鲁棒性，只是减轻了两个问题之一，但忽略了另一个。在本文中，我们解决了过度自信的问题和过度敏感的问题，同时存在于现有的RC模型与外部语言知识的帮助。我们首先将外部知识施加不同的语言约束（实体约束，词汇约束和谓词约束），然后通过后验正则化RC模型。语言约束对语义不同和语义等价的对抗样本都有更合理的预测，后验正则化提供了一种有效的机制来结合这些约束。我们的方法可以应用到任何现有的神经RC模型，包括国家的最先进的BERT模型。大量的实验表明，我们的方法显着提高了基础RC模型的鲁棒性，更好地同时处理这两个问题。
2019-11-16 cs.CL
Diversidade linguística e inclusão digital: desafios para uma ia brasileira
Departamento de Letras Vernáculas（本土语言系）；Universidade Federal de Sergipe - UFS（塞尔希培联邦大学 - UFS）
本文探讨语言多样性在生成AI发展中的威胁，分析技术应用中多样性选择偏差的影响及标准化语言的恶性循环。
2024-11-02 cs.CL cs.CY
Improving Bangla Linguistics: Advanced LSTM, Bi-LSTM, and Seq2Seq Models for Translating Sylheti to Modern Bangla
Daffodil International University（达福德国际大学）
本研究针对孟加拉国地方语言西尔赫蒂语，利用NLP技术构建了将现代孟加拉语翻译为西尔赫蒂语的系统，比较了LSTM、Bi-LSTM和Seq2Seq三种模型，其中LSTM以89.3%的准确率表现最佳，为孟加拉语NLP研究提供了基础。
2025-05-24 cs.AI cs.CL
Near-imperceptible Neural Linguistic Steganography via Self-Adjusting Arithmetic Coding
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
语言隐写学研究如何在自然语言的封面文本中隐藏秘密信息。传统的方法是通过词汇替换或语法修改将秘密消息转换为无害的文本。最近，神经语言模型（LM）的进步使我们能够直接生成的秘密消息的条件下的封面文字。在这项研究中，我们提出了一种新的语言隐写方法，使用自调整算术编码的秘密信息的神经语言模型的基础上。我们正式分析了该方法的统计不可感知性，并在四个数据集上实证表明，在比特/字和KL度量方面，它分别比以前的最先进方法高出15.3%和38.9%。最后，人工评估表明，51%的生成的封面文本确实可以欺骗窃听者。
2020-10-01 cs.CL cs.CR
Some Advances in Transformation-Based Part of Speech Tagging
最近的研究在可训练的词性标注器探索了随机标注。虽然这些标签获得高准确性，语言信息是间接捕获的，通常在成千上万的词汇和上下文概率。在[Brill 92]中，描述了一种可训练的基于规则的标记器，其获得了与随机标记器相当的性能，但在少量简单的非随机规则中捕获了相关的语言信息。在本文中，我们描述了一些扩展到这个基于规则的标签。首先，我们描述了一种方法，用于表示词汇关系的标记，不被随机标记。接下来，我们展示了一种基于规则的方法来标记未知词。最后，我们展示了如何标签可以扩展到一个k-最好的标签，多个标签可以分配给单词在某些情况下的不确定性。
1994-06-02 cmp-lg cs.CL
Neural Linguistic Steganography
Harvard University（哈佛大学）
传统密码学将秘密信息加密成难以理解的形式，而隐写术通过将秘密信息编码成覆盖信号来隐藏通信正在发生。语言是一种特殊的语用掩护信号，因为它是良性发生的，不依赖于任何一种媒介。传统上，语言隐写系统通过同义词替换或词序重排在现有文本中编码秘密信息。神经语言模型的进步使得以前不切实际的基于生成的技术成为可能。提出了一种基于大规模神经语言模型算术编码的隐写技术。我们发现，我们的方法可以生成逼真的封面句子，由人类评估，而在同一时间通过匹配的封面消息分布与语言模型分布保持安全性。
2019-09-03 cs.CL cs.CR cs.LG
Natural Language Processing Advancements By Deep Learning: A Survey
Virginia Polytechnic Institute and State University（弗吉尼亚理工大学）；University of Minnesota Twin Cities（明尼苏达大学双城校区）
自然语言处理（NLP）通过增强对人类语言的更好理解来帮助智能机器进行基于语言的人机通信。计算能力的最新发展和大量语言数据的出现提高了使用数据驱动方法进行自动语义分析的需求。由于在计算机视觉、自动语音识别，特别是NLP等领域使用深度学习方法所表现出的显著改进，数据驱动策略的利用现在很普遍。本调查对受益于深度学习的NLP的不同方面和应用进行了分类和解决。它涵盖了核心NLP任务和应用程序，并描述了深度学习方法和模型如何推进这些领域。我们进一步分析和比较不同的方法和最先进的模型。
2021-02-27 cs.AI cs.CL cs.LG
Dynamic Prosody Generation for Speech Synthesis using Linguistics-Driven Acoustic Embedding Selection
在考虑孤立句子时，文本到语音（TTS）的最新进展已经提高了接近人类能力的质量和自然度。但是，要实现类似人类的交流，仍然缺乏的是人类语言的动态变化和适应性。本文试图解决在TTS系统中实现更加动态和自然的语调的问题，特别是对于诸如新闻播音员讲话风格的文体讲话。我们提出了一种新的嵌入选择方法，它利用语言信息，利用训练数据集中存在的语音变异性。我们分析了语义和句法特征的贡献。我们的实验结果表明，该方法提高了韵律和自然的复杂话语，以及在长形式阅读（LFR）。
2020-11-18 cs.CL cs.SD eess.AS
Does Linguistic Structure Enrichment Enhance Coherence Assessment? Not With Current Architectures
Universidade Estadual de Campinas (UNICAMP)（坎皮纳斯州立大学）
本研究探讨向文本添加句法和修辞信息能否提升连贯性评估，发现现有架构下纯文本效果更佳，并验证了连贯性可作为检测误导性内容的代理指标。
2026-09-11 cs.AI cs.CL
Decoding Linguistic Representations of Human Brain
Shanghai Jiao Tong University（上海交通大学）；Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
本文提出针对文本和语音的脑-语言解码分类法，整合神经科学与深度学习，旨在帮助ALS患者并推动下一代脑机接口及语言解码研究。
2024-07-30 cs.CL cs.SD eess.AS
NaijaNLP: A Survey of Nigerian Low-Resource Languages
University of Huddersfield（哈德斯菲尔德大学）
本文首次系统综述了尼日利亚三大主要语言（豪萨语、伊博语、约鲁巴语）的低资源NLP研究进展，定量评估语言资源现状，指出仅25.1%的研究贡献新资源，并呼吁加强资源建设与开放协作。
2026-09-28 cs.AI cs.CL
A Survey on Spoken Italian Datasets and Corpora
Università degli Studi dell’Aquila（拉奎拉大学）；CNIT - National Inter-university Consortium for Telecommunications（意大利国家电信大学间联盟（CNIT））
本文综述66个意大利语口语数据集，按类型、来源语境及人口与语言特征分类，梳理其在ASR、情感检测和教育中的应用，并讨论资源稀缺、代表性与可访问性问题。
2025-03-12 cs.AI cs.CL cs.DL
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
AnthroScore: A Computational Linguistic Measure of Anthropomorphism
Stanford University（斯坦福大学）
提出AnthroScore，一种基于掩码语言模型的自动拟人化度量，验证其与人类判断一致，并应用于15年论文和新闻，发现拟人化随时间增长且语言模型相关论文最高，新闻标题高于论文。
2024-02-03 cs.AI cs.CL cs.CY
