LSCDiscovery: A shared task on semantic change discovery and detection in Spanish
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F22%3AW8BJSJYR" target="_blank" >RIV/00216208:11320/22:W8BJSJYR - isvavai.cz</a>
Výsledek na webu
<a href="https://aclanthology.org/2022.lchange-1.16" target="_blank" >https://aclanthology.org/2022.lchange-1.16</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.18653/v1/2022.lchange-1.16" target="_blank" >10.18653/v1/2022.lchange-1.16</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
LSCDiscovery: A shared task on semantic change discovery and detection in Spanish
Popis výsledku v původním jazyce
We present the first shared task on semantic change discovery and detection in Spanish. We create the first dataset of Spanish words manually annotated by semantic change using the DURel framewok (Schlechtweg et al., 2018). The task is divided in two phases: 1) graded change discovery, and 2) binary change detection. In addition to introducing a new language for this task, the main novelty with respect to the previous tasks consists in predicting and evaluating changes for all vocabulary words in the corpus. Six teams participated in phase 1 and seven teams in phase 2 of the shared task, and the best system obtained a Spearman rank correlation of 0.735 for phase 1 and an F1 score of 0.735 for phase 2. We describe the systems developed by the competing teams, highlighting the techniques that were particularly useful.
Název v anglickém jazyce
LSCDiscovery: A shared task on semantic change discovery and detection in Spanish
Popis výsledku anglicky
We present the first shared task on semantic change discovery and detection in Spanish. We create the first dataset of Spanish words manually annotated by semantic change using the DURel framewok (Schlechtweg et al., 2018). The task is divided in two phases: 1) graded change discovery, and 2) binary change detection. In addition to introducing a new language for this task, the main novelty with respect to the previous tasks consists in predicting and evaluating changes for all vocabulary words in the corpus. Six teams participated in phase 1 and seven teams in phase 2 of the shared task, and the best system obtained a Spearman rank correlation of 0.735 for phase 1 and an F1 score of 0.735 for phase 2. We describe the systems developed by the competing teams, highlighting the techniques that were particularly useful.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Návaznosti výsledku
Projekt
—
Návaznosti
—
Ostatní
Rok uplatnění
2022
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Proceedings of the 3rd Workshop on Computational Approaches to Historical Language Change
ISBN
978-1-955917-42-1
ISSN
—
e-ISSN
—
Počet stran výsledku
16
Strana od-do
149-164
Název nakladatele
Association for Computational Linguistics
Místo vydání
—
Místo konání akce
Dublin, Ireland
Datum konání akce
1. 1. 2022
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—