[论文解读] JeSemE: A Website for Exploring Diachronic Changes in Word Meaning and Emotion

Johannes Hellrich, Sven Buechel+1 more|arXiv (Cornell University)|Jul 11, 2018

Advanced Text Analysis Techniques参考文献 25被引用 6

一句话总结

JeSemE 是一个开放获取、用户友好的网络平台，使数字人文学者能够使用最先进的分布语义学方法和细致的效价-唤醒-支配（VAD）情绪模型，探索词语意义和情绪的历时变化。该平台利用五个大型历时语料库（包括 COHA 和 Google Books）计算随时间变化的词嵌入和情绪评分，实现语义与情感变化的交互式可视化——例如 'heart' 一词从隐喻性到解剖学用法的转变——且无需技术专长或本地软件安装。

ABSTRACT

We here introduce a substantially extended version of JeSemE, an interactive website for visually exploring computationally derived time-variant information on word meanings and lexical emotions assembled from five large diachronic text corpora. JeSemE is designed for scholars in the (digital) humanities as an alternative to consulting manually compiled, printed dictionaries for such information (if available at all). This tool uniquely combines state-of-the-art distributional semantics with a nuanced model of human emotions, two information streams we deem beneficial for a data-driven interpretation of texts in the humanities.

研究动机与目标

• 解决人文领域中手工编纂的历史词典可用性有限和覆盖范围不足的问题。
• 为非技术背景的学者提供可访问、数据驱动的工具，以探索词语随时间推移的语义与情感演变。
• 将历时分布语义学与多维情绪模型（VAD）相结合，实现对历史文本更细致的解读。
• 克服现有工具的局限性，这些工具或缺乏情绪追踪功能，或仅限于现代语言和二元情感分析。
• 通过基于语料库的交互式证据，支持历史语言学与文学研究中的假设生成与验证。

提出的方法

• 该系统使用五个大型历时语料库——COHA、德语和英语 Google Books N-gram、Deutsches Textarchiv 和 Royal Society Corpus——并将其划分为每段10至50年的时序切片。
• 每个语料库切片在处理前均经过拼写规范化和考虑历史拼写的词形还原。
• 应用 SVD-PPMI 计算每个时序切片的词嵌入，从而在向量空间中实现可靠的局部邻域分析。
• 情绪评分通过基于 Bradley 与 Lang 的 VAD 模型的种子情绪词典加权平均计算得出，目标词与种子词之间的相似度决定情绪评分。
• 词向量、共现统计、词频和情绪值存储在关系型数据库中，仅缓存最相关的相似词以提升性能。
• 该平台提供网络界面，支持搜索词语并可视化语义相似度趋势与情绪轨迹，同时提供 REST API 以支持程序化访问。

实验结果

研究问题

• RQ1 数字人文学者如何在不依赖印刷版、时效性有限的词典的情况下，访问并解读词语意义与情感内涵的历时变化？
• RQ2 分布语义学模型在多大程度上能够检测并可视化如 'heart' 这类历史词语的隐喻性与字面性语义转变？
• RQ3 对于意义稳定的词语（如 'woman'），多维情绪评分（效价、唤醒度、支配度）如何随时间演变？
• RQ4 历史语料库中的情绪追踪能否揭示与社会历史事件（如妇女选举权运动）的相关性？
• RQ5 与仅分析语义变化相比，整合情绪信息如何提升语义变化的可解释性？

主要发现

• 词语 'heart' 在约 1900 年前后显示出效价和支配度评分的显著下降，同时与 'stroke' 的语义相似度上升，表明其用法从隐喻性向解剖学用法转变。
• 情绪追踪显示，在 1920 年代，'woman' 在 VAD 三个维度上均出现显著上升，与美国妇女选举权运动的时间相吻合。
• 通过存储词向量而非预先计算的相似度，系统将数据库大小从约 120GB 减少至约 40GB，同时支持按需计算相似度，并仅缓存最相关的参考项。
• 基于与种子词典加权相似度的情绪诱导方法在历史情绪词典构建中表现优于其他替代方法，该结论已在先前研究中得到验证。
• JeSemE 是首个公开可用的工具，实现了在多个历史语料库和两种语言中，历时语义变化与多维情绪内涵追踪的结合。
• 该平台使非技术用户能够交互式地探索语义与情感演变，支持人文学术研究中的假设生成与基于证据的验证。