Till innehåll Läs mer om hur kakor används på gu.se

Time-Out: Temporal Referencing for Robust Modeling of Lexical Semantic Change

Paper i proceeding

Författare	Haim Dubossarsky Simon Hengchen Nina Tahmasebi Dominik Schlechtweg
Publicerad i	Computational linguistics - Association for Computational Linguistics
ISSN	0891-2017
Publiceringsår	2019
Publicerad vid	Institutionen för litteratur, idéhistoria och religion Institutionen för svenska språket
Språk	en
Länkar	https://arxiv.org/abs/1906.01688
Ämnesord	Lexical semantic change, evaluation, data science
Ämneskategorier	Språkteknologi (språkvetenskaplig databehandling), Informationsteknik

Sammanfattning

State-of-the-art models of lexical semantic change detection suffer from noise stemming from vector space alignment. We have empirically tested the Temporal Referencing method for lexical semantic change and show that, by avoiding alignment, it is less affected by this noise. We show that, trained on a diachronic corpus, the skip-gram with negative sampling architecture with temporal referencing outperforms alignment models on a synthetic task as well as a manual testset. We introduce a principled way to simulate lexical semantic change and systematically control for possible biases.

Sidansvarig: Webbredaktion
Sidan uppdaterades: 2012-09-11 15:12

Tipsa en vän
Utskriftsversion

Time-Out: Temporal Referencing for Robust Modeling of Lexical Semantic Change

Sammanfattning

Press

för studenter

GENVÄGAR

Organisation

Följ oss i sociala medier