A Survey on Contextualised Semantic Shift Detection

要約

タイトル：Contextualised Semantic Shift Detectionに関する調査
要約：
– Semantic Shift Detection（SSD）は、ターゲット単語の意味の変化を識別、解釈、および評価するタスクである。
– 伝統的には、言語学者や社会科学者による手動で時間をかけたアクティビティによってSSDが扱われてきた。
– 最近では、自然言語処理と単語埋め込みに基づく計算アプローチが、SSDを可能な限り自動化するために増加し、注目を集めている。
– 特に、過去3年間、単語の多様な使用方法/意味を扱え、関連する意味の変化をより正確に捉えることができる、コンテキストに依存する埋め込みモデルに基づくアプローチで、ほとんどの進展があった。
– 本論文では、CSSDetection（Contextualised Semantic Shift Detection）に基づくアプローチを調査し、意味表現、時間感覚、および学習モダリティの次元を特徴とする分類フレームワークを提案する。
– このフレームワークを利用して、i）意味の変化の評価指標を検討し、ii）パフォーマンスを比較し、iii）スケーラビリティ、解釈性、および堅牢性に関する現在の問題について議論する。
– CSSDetectionについてのオープンな課題と将来の研究方向について最後に概説する。

要約(オリジナル)

Semantic Shift Detection (SSD) is the task of identifying, interpreting, and assessing the possible change over time in the meanings of a target word. Traditionally, SSD has been addressed by linguists and social scientists through manual and time-consuming activities. In the recent years, computational approaches based on Natural Language Processing and word embeddings gained increasing attention to automate SSD as much as possible. In particular, over the past three years, significant advancements have been made almost exclusively based on word contextualised embedding models, which can handle the multiple usages/meanings of the words and better capture the related semantic shifts. In this paper, we survey the approaches based on contextualised embeddings for SSD (i.e., CSSDetection) and we propose a classification framework characterised by meaning representation, time-awareness, and learning modality dimensions. The framework is exploited i) to review the measures for shift assessment, ii) to compare the approaches on performance, and iii) to discuss the current issues in terms of scalability, interpretability, and robustness. Open challenges and future research directions about CSSDetection are finally outlined.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI