arXiv cs.CL· Niharika Hegde, Subarnaduti Paul, Lars-Joel Frey, Manuel Brack, Kristian Kersting, Martin Mundt, Patrick Schramowski·· 2 天前AI 评分22
Chronoberg：面向语言模型分析的 250 年历时语料库与时间情感词典
Chronoberg: A 250-Year Diachronic Corpus with Temporal Affective Lexicons for Language Model Analysis
AI 导读
研究者发布 Chronoberg，一个取自 Project Gutenberg、覆盖 250 年英文书籍的时序结构化语料库，并附带时间标注与 Valence-Arousal-Dominance 情感词典。基于该词典的分析显示，现代 LLM 工具难以处理词义随时间发生的历时变化，在情感语境化和歧视性语言检测上表现不佳。Chronoberg 已在 HuggingFace 公开，代码同步开放。
正文 · AI 翻译
摘要：大型语言模型（LLM）通过利用社交媒体和从网络爬取的数据，在大规模运作方面表现出色。然而，现有语料库虽然多样，却往往缺乏长期的时间结构，这可能限制了 LLM 对语言语义与规范演变的语境化能力，以及捕捉历时变化的能力。为支持后者，我们提出了 Chronoberg，一个时间结构化的英语书籍文本语料库，时间跨度达 250 年，整理自 Project Gutenberg，并辅以多种时间标注。首先，书籍经过编辑的特性使我们能够通过时间敏感的效价-唤醒-支配度分析来量化词汇语义变化，并支持基于历史的解释。借助这些词典，我们证明了需要基于现代 LLM 的工具来更好地对其情感语境化和跨不同时期歧视性语言的检测进行定位。事实上，我们展示了这些工具如何难以应对语义的历时变化，强调了需要时间感知的训练和评估流程，并将 Chronoberg 定位为相关研究的可扩展资源。免责声明：本文包含可能令读者感到冒犯的语言和样本展示。开放获取：Chronoberg 已在 HuggingFace 上公开提供，见 此 https URL。代码见 此 https URL。
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI） |
| 引用为： | arXiv:2509.22360 [cs.CL] |
| （或 arXiv:2509.22360v3 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2509.22360 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Subarnaduti Paul [查看电子邮件]
[v1]
2025年9月26日星期五 13:56:16 UTC（4,108 KB）
[v2]
2026年9月10日星期四 09:49:02 UTC（598 KB）
[v3]
2026年10月15日星期四 12:29:36 UTC（598 KB）
来源：arXiv cs.CL · arxiv.org