arXiv 论文介绍：用计算方法测量梵语文献中的语义变化
2026 年 7 月 31 日，arXiv 在 cs.CL（计算与语言）分类下发布了一篇新论文，标题为《A Computational Approach to Measuring Semantic Change in Sanskrit Literature》（一种测量梵语文献语义变化的计算方法），作者是 Tanay Agrawal。论文编号为 arXiv:2609.25012v1，提交时间为 2026 年 7 月 31 日星期五 05:22:21 UTC，全文源文件约 34 KB。该论文的 DOI 为 10.48550/arXiv.2609.25012，由 DataCite 发放。论文主题分类为 Computation and Language（cs.CL）。
论文摘要指出，历时词嵌入（diachronic word embeddings）已经成为追踪语义变化的现代标准方法，但这一范式此前主要在现代、高资源且分词良好的语言上得到验证。本文测试该范式能否迁移到梵语——一种古老、低资源的语言。梵语的特殊性在于：音系融合（sandhi，连声）、形态屈折、复合构词以及一词多义等现象，给计算处理带来独特挑战。
作者构建了一个包含 270 万词元（2.7M-token）的语料库，覆盖四个经典时期。为了恢复词边界，作者使用神经字节级 sandhi 切分器与词形还原器（lemmatizer）。随后，作者跨多种配置训练了分时期词嵌入。在评估系统时，作者从历史学术研究中整理了一个验证集，并使用锚点位移（anchor displacement）以方向性方式测试语义变化的恢复情况。在 21 个可测试的语义变化中，有 19 个朝着文献学上得到证实的方向移动（符号检验，p=0.00011）。作者进一步展示了语言本身迫使系统采用哪种配置，并评论了改进机会。
需要说明的细节：该论文为预印本，尚不明确是否经过同行评审；摘要中未给出作者所属机构；论文提供 PDF，以及实验性 HTML 版本和 TeX 源码。arXiv 页面列出当前浏览上下文为 cs.CL，并标注为 2026-09 的 new/recent 条目。此外，页面还提供参考文献与引用工具（NASA ADS、Google Scholar、Semantic Scholar）、书目与引用工具、代码与数据链接（alphaXiv、CatalyzeX、DagsHub、Gotit.pub、Hugging Face、ScienceCast）、演示与可复制工具（Replicate、Hugging Face Spaces、TXYZ.AI）以及相关论文推荐（Influence Flower、CORE Recommender）等。arXivLabs 部分说明，该框架允许合作者在 arXiv 网站上开发和分享新功能，参与的个人与组织均认同开放、社区、卓越和用户数据隐私等价值观。
论文的核心贡献可以概括为：首次系统性地将历时词嵌入范式应用于梵语，处理了该语言特有的 sandhi 切分、形态还原和复合词问题；建立了覆盖四个经典时期的 270 万词元语料；通过历史学术验证集和锚点位移方法进行方向性评估，得到了统计上显著的结果。作者也坦承，该研究仍有改进空间，并指出哪些配置是语言特性所强制的。对于计算语言学、历史语言学与数字人文交叉领域的研究者而言，这篇预印本提供了一个值得关注的案例：低资源、形态复杂、书写与音系边界模糊的古代语言，是否能够用现代语义变化检测工具加以研究。结论倾向于肯定，但方法细节、语料选择、验证集构建以及统计检验的稳健性，仍需后续工作进一步检验。
需要补充的是，该论文的摘要与正文链接均指向 arXiv 的 abs 页面，用户可查看 PDF、实验性 HTML 以及 TeX 源码。论文提交历史显示，这是 v1 版本，由 Tanay Agrawal 提交，时间为 2026 年 7 月 31 日 05:22:21 UTC。页面还提供“Change to browse by: cs”等导航选项，以及“Which authors of this paper are endorsers?”和“Disable MathJax”等功能链接。这些信息虽属页面元数据，但有助于理解论文的发布背景与可获取性。