연구자들은 Compositionality Trend Prediction 작업을 도입하고 새로운 시대별 동기적 평가 데이터셋을 대상으로 평가함으로써, 23개의 독일어 및 26개의 영어 명사 복합어에서 의미 변화를 조사했습니다. 복합어가 구성성을 잃는 방향으로 결정적인 경향을 보인다고 주장하는 기존 문헌과 대조적으로, 이 연구는 시간 경과에 따른 작은 부정적 경향만 발견했습니다.
- 데이터셋은 23개의 독일어 및 26개의 영어 대상 복합어에 대한 시대별 구성성 평가와 해당 경향을 제공합니다.
- 실험에는 동기적 코퍼스의 서로 다른 1~5개 시대 슬라이스에서 학습된 다양한 의미 벡터 표현을 가진 약 100개의 모델이 포함되었습니다.
- 단일 시대 또는 점진적으로 확장되는 윈도우와 같은 좁은 시간 슬라이스에서 학습된 모델은 반세기 전체 윈도우에서 학습된 모델보다 평가 결과와 더 잘 일치했습니다.
- Compositionality Trend Prediction 작업에서 정적 표현은 문맥 기반 표현과 경쟁력 있는 것으로 나타났습니다.
이러한 발견은 복합어가 일반적으로 시간 경과에 따라 투명성을 잃는다는 가설에 도전하며, 정확한 구성성 예측을 위해 시간적 세분성 모델링이 중요함을 시사합니다.