EMNLP oral 论文发布 Chronoberg:250 年英语书籍历时语料库

mundt_martin · x · 2026-10-23

Martin Mundt 等人的 Chronoberg 论文入选 #EMNLP2026 oral。团队从 Project Gutenberg 整理了跨越 250 年(1750–2000)的英语书籍文本,共约 2.7B tokens、2.5 万本书,并为每个时代标注了时序情感词典(Valence-Arousal-Dominance)、句子情感与仇恨言论标签。

研究发现:现有 LLM 工具在处理词义的历史演变时表现不佳——情感定位与歧视性语言检测难以应对词义的时代漂移,凸显了「时间感知」训练与评测管线的必要。作者希望该语料库还能作为持续学习/终身学习的测试床。数据与代码均已公开。