[论文解读] Modeling the dynamics of domain specific terminology in diachronic corpora
本文提出了一种名为上下文波动性的新度量方法，用于检测历时语料库中领域术语的语义变化。通过使用潜在语义空间分析随时间变化的上下文变异，该方法识别出激烈辩论或语义转变的时期，其有效性通过政治科学案例研究得到验证，包括关键词提取和动态术语行为检测。
In terminology work, natural language processing, and digital humanities, several studies address the analysis of variations in context and meaning of terms in order to detect semantic change and the evolution of terms. We distinguish three different approaches to describe contextual variations: methods based on the analysis of patterns and linguistic clues, methods exploring the latent semantic space of single words, and methods for the analysis of topic membership. The paper presents the notion of context volatility as a new measure for detecting semantic change and applies it to key term extraction in a political science case study. The measure quantifies the dynamics of a term's contextual variation within a diachronic corpus to identify periods of time that are characterised by intense controversial debates or substantial semantic transformations.
研究动机与目标
- 解决在历史文本语料库中检测领域术语随时间演变的语义变化的挑战。
- 开发一种定量度量方法，以捕捉术语在历时数据中不同上下文下的使用动态。
- 通过识别语义不稳定的高发期，改进政治科学文本中的关键词提取。
- 将上下文变异分析与时间动态相结合，实现对术语演化更精确的追踪。
- 提供一种方法，以补充基于模式和基于主题的方法在语义变化检测中的应用。
提出的方法
- 提出上下文波动性作为衡量术语在时间维度上其上下文使用变化程度的指标，基于其在潜在语义空间中的分布。
- 应用词嵌入模型将术语表示为连续向量空间中的向量，捕捉其在时间切片中的上下文变异。
- 通过计算术语向量在时间区间上的方差来量化波动性，方差越高表示上下文动态越强。
- 采用滑动窗口方法在时间上计算每个术语的上下文波动性得分，实现对波动时期的检测。
- 通过将波动性模式与已知历史事件和辩论对比，在政治科学语料库上验证该方法。
- 将该度量方法与关键词提取结合，识别经历语义转变或争议的术语。
实验结果
研究问题
- RQ1如何在历时语料库中对领域术语的使用动态进行时间维度上的定量测量？
- RQ2上下文波动性在多大程度上与语义变化或公众辩论时期相关？
- RQ3上下文波动性能否提升在政治文本中检测经历语义演化的关键词的能力？
- RQ4与基于语言模式或主题建模的传统方法相比，上下文波动性表现如何？
- RQ5在测量时间切片中的上下文变异时，术语使用会呈现出何种时间模式？
主要发现
- 上下文波动性能够有效识别出语义动态高度活跃的时期，例如政治争议或制度变革时期。
- 高上下文波动性得分的术语与政治语料库中激烈公众或机构辩论的时期具有更强的一致性。
- 该方法成功检测到仅靠静态词频或主题建模难以捕捉的术语语义转变。
- 在捕捉术语意义随时间的动态变化方面，上下文波动性优于基线方法。
- 该方法通过基于术语随时间上下文不稳定性进行过滤，实现了更细致的关键词提取。
- 实证结果表明，上下文波动性与已知历史事件相关，验证了其可解释性和敏感性。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。