研究者は、Compositionality Trend Predictionタスクを導入し、年代ごとの共時的評価からなる新規データセットに対して評価することで、23のドイツ語および26の英語の名詞複合語における意味変化を調査した。複合語が構成性を失う方向に決定的な傾向を示すとする既存の研究とは対照的に、本研究では時間の経過に伴うわずかな負の傾向のみが検出された。

  • データセットは、23のドイツ語および26の英語のターゲット複合語に対する年代ごとの構成性評価と対応するトレンドを提供する。
  • 実験では、共時的コーパスの異なる1〜5年のスライスで学習した、さまざまな意味的ベクトル表現を持つ約100個のモデルが用いられた。
  • 単一の年代や段階的に拡大する窓のような狭い時間スライスで学習したモデルは、半世紀全体の窓で学習したモデルよりも評価結果とよく一致した。
  • Compositionality Trend Predictionタスクにおいて、静的表現は文脈依存表現と同等の競争力を持つことがわかった。

これらの知見は、複合語が一般的に時間の経過とともに透明性を失うという仮説に挑戦し、正確な構成性予測には時間的粒度のモデリングが重要であることを示唆している。