Word-Centered Semantic Graphs for Interpretable Diachronic Sense Tracking
Cet article introduit un cadre interprétable, basé sur les graphes, qui combine la similitude distributionnelle et la substituabilité lexicale pour construire des réseaux sémantiques centrés sur les mots afin de suivre l'évolution diachronique des sens sans dépendre d'inventaires de sens prédéfinis, démontrant son efficacité à travers des études de cas sur les trajectoires sémantiques de mots tels que « trump », « god » et « post » dans des articles du New York Times Magazine de 1980 à 2017.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Imaginez que vous essayez de comprendre comment un mot change de sens au fil du temps, comme si vous regardiez une personne grandir et changer de personnalité. Traditionnellement, les linguistes et les ordinateurs ont tenté de faire cela en prenant une « photo » du sens d'un mot à différents moments et en les comparant. Mais cela manque souvent de nuance, surtout lorsqu'un mot possède plusieurs sens à la fois (comme « banque » qui peut signifier le bord d'une rivière ou un établissement financier).
Ce document propose une nouvelle façon de suivre ces changements en utilisant des Graphes Sémantiques Centrés sur le Mot. Voyez cela non pas comme une photo, mais comme une carte vivante ou un réseau social pour un seul mot.
Voici comment fonctionne le système, décomposé en concepts simples :
1. La « Fête du Mot » (Construire la carte)
Imaginez que le mot cible (comme « Trump » ou « Dieu ») est l'hôte d'une fête. Pour comprendre ce qui définit l'hôte, nous invitons deux types d'invités à la fête :
- Les « Voisins Globaux » (Statiques) : Ce sont des mots qui traînent habituellement avec l'hôte dans les conversations générales, en se basant sur la fréquence à laquelle ils apparaissent près de lui dans les livres et les articles. Considérez-les comme les connaissances de longue date de l'hôte.
- Les « Substituts Contextuels » (Dynamiques) : Ce sont des mots qui pourraient remplacer l'hôte dans une phrase spécifique sans en changer le sens. Considérez-les comme les amis proches de l'hôte qui peuvent prendre sa place parfaitement dans une situation donnée.
L'ordinateur construit une carte où l'hôte est au centre, et des lignes les relient aux invités. Si deux invités se connaissent aussi, ils sont connectés entre eux. Cela crée un réseau de relations.
2. Les « Clusters Périphériques » (Trouver les groupes)
L'hôte (le mot cible) est connecté à tout le monde, donc la carte ressemble à une étoile. Pour trouver le véritable sens, les chercheurs retirent l'hôte de la carte et observent comment les invités sont connectés entre eux.
- Groupes très soudés : Si un groupe d'invités se connaît tous et forme un cercle serré, cela représente un « sens » ou une signification spécifique du mot.
- Îlots : Si la carte se brise en îlots séparés où les invités d'un îlot ne connaissent pas ceux d'un autre, cela signifie que le mot a développé des sens multiples (polysémie).
3. Suivre l'Évolution (Le Time-Lapse)
Les chercheurs ont fait cela pour chaque année de 1980 à 2017 en utilisant des articles du New York Times Magazine. Ils ont observé comment ces « groupes d'invités » changeaient au fil du temps.
Ils ont découvert trois histoires distinctes :
L'histoire de « Trump » (Remplacement par événement) :
- Années 1980 : Le mot « Trump » concernait principalement les jeux de cartes. La carte était un cercle unique et serré de mots comme « cœur », « carreau » et « levée ».
- Années 1990 : Un nouvel îlot est apparu ! Un groupe de mots comme « casino » et « promoteur » a formé un cluster séparé. Le mot avait maintenant deux sens : les cartes et les affaires.
- Années 2010 : L'îlot du jeu de cartes a complètement disparu. Un nouvel îlot dominant s'est formé avec des mots politiques comme « campagne » et « candidat ». Le sens du mot avait totalement changé.
L'histoire de « Dieu » (Stabilité) :
- La carte pour « Dieu » ressemblait presque à la même chose chaque année. Les invités (mots comme « foi », « prière », « église ») restaient dans le même cercle serré. Même si l'ordinateur tentait de les diviser en différents groupes, ils étaient tous si similaires qu'ils représentaient simplement différentes facettes d'un seul et même sens. Le mot n'a pas beaucoup changé.
L'histoire de « Post » (Dérive graduelle) :
- Le mot « Post » a commencé avec des mots comme « papier » et « position ». Avec le temps, sans explosion soudaine, de nouveaux invités comme « email », « Twitter » et « social » ont rejoint lentement la fête. Les anciens invités ne sont pas partis immédiatement ; le groupe s'est simplement lentement étendu et a changé d'ambiance pour s'adapter à l'ère numérique.
Pourquoi cela importe
Les auteurs soutiennent que cette approche par « carte » est meilleure que les méthodes précédentes car :
- C'est transparent : On peut réellement voir les groupes de mots et comprendre pourquoi l'ordinateur pense que le sens a changé. Vous ne recevez pas seulement un chiffre ; vous voyez la structure.
- Pas de listes prédéfinies : L'ordinateur n'a pas besoin d'un dictionnaire lui dictant quels devraient être les sens ; il découvre les sens naturellement en voyant comment les mots se regroupent.
- Cela gère la complexité : Il peut faire la distinction entre un mot qui a un sens stable, un mot qui dérive lentement, et un mot qui est complètement remplacé par un nouveau sens dû à des événements réels.
En résumé, ce document présente un outil qui transforme le concept abstrait de « sens d'un mot » en un réseau social visuel et évolutif, nous permettant de regarder comment la langue respire et change sur des décennies.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.