Выбор и настройка гранулярности значений в задаче выявления лексико-семантических изменений
Автор: Кокосинский Д.В., Шлехтвег Д., Арефьев Н.В.
Журнал: Программные системы: теория и приложения @programmnye-sistemy
Рубрика: Искусственный интеллект и машинное обучение
Статья в выпуске: 2 (71) т.17, 2026 года.
Бесплатный доступ
Изучение того, как меняются значения слов, является давней задачей лингвистики. Мы представляем автоматический подход, который группирует употребления слова в кластеры, соответствующие его значениям, и измеряет, как частота употребления этих значений меняется между историческими периодами. Метод следует устоявшимся процедурам, используемым для создания современных вручную аннотированных языковых ресурсов (Diachronic Word Usage Graphs), и позволяет пользователям настраивать степень укрупнения или детализации значений. Мы также вводим новую метрику, специально адаптированную для диахронических графов словоупотреблений и позволяющую надежно оценивать качество кластеров. На данных нескольких языков предложенный подход показывает результаты на уровне существующих альтернатив, а часто и лучше их, сохраняя при этом ясные и интерпретируемые выходные данные, которые показывают, какие значения слова вносят вклад в семантическое изменение.
Выявление лексико-семантических изменений, диахронические графы словоупотреблений, индукция значений слов
Короткий адрес: https://sciup.org/143186013
IDR: 143186013 | УДК: 004.8:81'322:81-115 | DOI: 10.25209/2079-3316-2026-17-2-103-146
Selecting and Controlling Sense Granularity for Lexical Semantic Change Detection
Studying how word meanings change is a long standing problem in linguistics. We present an automatic approach that groups usages of a word into clusters corresponding to word senses and measures how the usage frequency in those senses changes between historical periods. The method follows the established procedures used to create recent human-annotated language resources (Diachronic Word Usage Graphs) and lets users adjust how coarseor fine-grained the senses should be. We also introduce a novel metric that allows to reliably evaluate the quality of the clusters, specifically tailored for the Diachronic Word Usage Graphs. Across multiple languages, the approach performs on par with, and often better than, existing alternatives while providing clear, interpretable outputs that reveal which word senses contribute to the semantic change.
