SynFlow: A Multidimensional Diachronic Semantic Analysis Toolkit
本文介绍了 SynFlow，这是一个开源工具包，它将多样化的语言维度——如句法、形态和构式模式——统一到一个工作流中，以实现可解释的多维历时语义分析，并通过对德语形容词 *viral* 的案例研究以及在 SemEval-2020 Task 1 上的评估进行了验证。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
语言并非一座静止的博物馆陈列品，而是一条不断重塑其河岸的活水。当一个词的含义随时间发生变化时，语言学家长期以来一直试图理解的不仅是这种变化发生了，而是它究竟是如何发生的。这个词是否开始在新的句子中使用？它是否开始与不同种类的词语搭配？几十年来，研究人员一直依赖于将单词视为广袤、无形空间中点的数学模型。这些模型在发现变化发生方面非常强大，但它们通常像是一个“黑箱”：它们能告诉你一个词发生了移动，却无法轻易解释是哪些具体的用法习惯导致了这种移动。为了真正理解语言的演变，科学家需要观察词汇在现实世界中表现出的具体细节，检查特定的语法模式以及词语所处的语境。
来自鲁汶大学（KU Leuven）及其他机构的一个研究小组开发了一种名为 SynFlow 的新工具来解决这一问题。可以将它想象成一台用于观察语言历史的专用显微镜。SynFlow 不再依赖抽象的数学距离，而是将一个词的“生命”分解为几个截然不同的、可观察的维度。它观察一个词在句子中如何与其他词连接，它扮演的具体语法角色，它所出现的短语形态，甚至包括附着在其上的形态特征。该系统获取不同时期的文本集，统计特定词汇在每种不同语境中出现的频率，然后进行比较。它不仅仅是说“这个词改变了”，它还能精确计算出哪些特定的联系增强了，哪些联系消退了，以及哪些新的词语组合开始出现。
为了展示这一工具的作用，研究人员将其应用于德语形容词 viral。他们追踪了该词在 1995 年至 2025 年间三十年新闻文本中的变化。在早期，这个词几乎专门用于医学语境，描述像病毒一样传播的感染。随着时间的推移，其含义转向描述任何在互联网上变得极度流行的事物。SynFlow 不仅检测到了这种转变，还逐步绘制了这一历程。系统显示，这种变化并非突然的爆发，而是词汇习惯的一种渐进式重构。它揭示了该词开始更频繁地出现在修饰动词的特定语法位置，而不仅仅是修饰名词。它表明该词所处的语境发生了变化，从医学术语（如“感染”）转向了与营销、视频和社交媒体平台相关的词汇。
SynFlow 的力量在于它能够将这些不同的证据层面连接成一个单一且连贯的故事。研究人员发现，意义的转变同时反映在词汇的语法行为、形成的特定短语以及与其搭配的词汇类型中。例如，该工具强调了该词如何开始出现在与动词“go”结合的特定结构中，从而创造了短语“to go viral”。这并非偶然发生；系统显示，这种特定的词组搭配在频率上稳步增长，取代了旧有的模式。通过将变化分解为这些独立的、可观察的部分，研究人员可以观察到，新含义的建立是基于新的语法习惯，而非仅仅是模糊的用法转变。
研究人员还将 SynFlow 与现有的用于检测词汇变化的检测方法进行了对比测试。他们发现，他们的方法在识别含义发生变化的词汇方面同样有效，但具有一个关键优势：结果是透明的。虽然其他系统可能会在不解释原因的情况下标记一个词发生了变化，但 SynFlow 提供了一份清晰的、驱动该结论的具体语言学证据清单。该工具旨在保持开放和易用，允许其他科学家将同样的严谨工作流应用于任何语言中的任何单词。通过将复杂的词汇历史转化为一组清晰、可计数的模式，SynFlow 提供了一种观察语言演变的新方式，将抽象的变化理论转化为具体的、可观察的事实。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。