Apprentissage de plongements de mots dynamiques avec r\'egularisation de la d\'erive (Learning dynamic word embeddings with drift regularisation)

L{'}usage, le sens et la connotation des mots peuvent changer au cours du temps. Les plongements lexicaux diachroniques permettent de mod{\'e}liser ces changements de mani{\`e}re non supervis{\'e}e. Dans cet article nous {\'e}tudions l{'}impact de plusieurs fonctions de co{\^u}t sur l{'}apprentissage de plongements dynamiques, en comparant les comportements de variantes du mod{\`e}le Dynamic Bernoulli Embeddings. Les plongements dynamiques sont estim{\'e}s sur deux corpus couvrant les m{\^e}mes deux d{\'e}cennies, le New York Times Annotated Corpus en anglais et une s{\'e}lection d{'}articles du journal Le Monde en fran{\c{c}}ais, ce qui nous permet de mettre en place un processus d{'}analyse bilingue de l{'}{\'e}volution de l{'}usage des mots.

PDF Abstract
No code implementations yet. Submit your code now

Datasets


  Add Datasets introduced or used in this paper

Results from the Paper


  Submit results from this paper to get state-of-the-art GitHub badges and help the community compare results to other papers.

Methods


No methods listed for this paper. Add relevant methods here