論文の概要: HistLens: Mapping Idea Change across Concepts and Corpora
- arxiv url: http://arxiv.org/abs/2604.11749v1
- Date: Mon, 13 Apr 2026 17:22:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-14 20:13:16.714649
- Title: HistLens: Mapping Idea Change across Concepts and Corpora
- Title（参考訳）: HistLens: 概念とコーパスのアイデア変化をマッピングする
- Authors: Yi Jing, Weiyun Qiu, Yihang Peng, Zhifang Sui,
- Abstract要約: HistLensは、多概念、マルチコーパスの概念的歴史分析のための統一されたSAEベースのフレームワークである。
HistLensは、概念進化のパターンのクロスコンセプション、クロスコーパスをサポートし、暗黙的な概念計算を可能にする。
- 参考スコア（独自算出の注目度）: 23.935379969646394
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Language change both reflects and shapes social processes, and the semantic evolution of foundational concepts provides a measurable trace of historical and social transformation. Despite recent advances in diachronic semantics and discourse analysis, existing computational approaches often (i) concentrate on a single concept or a single corpus, making findings difficult to compare across heterogeneous sources, and (ii) remain confined to surface lexical evidence, offering insufficient computational and interpretive granularity when concepts are expressed implicitly. We propose HistLens, a unified, SAE-based framework for multi-concept, multi-corpus conceptual-history analysis. The framework decomposes concept representations into interpretable features and tracks their activation dynamics over time and across sources, yielding comparable conceptual trajectories within a shared coordinate system. Experiments on long-span press corpora show that HistLens supports cross-concept, cross-corpus computation of patterns of idea evolution and enables implicit concept computation. By bridging conceptual modeling with interpretive needs, HistLens broadens the analytical perspectives and methodological repertoire available to social science and the humanities for diachronic text analysis.
- Abstract（参考訳）: 言語の変化は社会の過程を反映し形作り、基礎概念のセマンティックな進化は歴史的・社会的変容の計測可能な痕跡を提供する。
ダイアクロニックセマンティクスと談話分析の最近の進歩にもかかわらず、既存の計算手法はしばしばある。
一 同一の概念又は一のコーパスに集中し、異質な資料を比較するのを困難にし、
(ii) 概念が暗黙的に表されるとき, 計算や解釈の粒度が不十分であることから, 表面的語彙的証拠に限定したままである。
マルチコンセプション・マルチコーパス概念・ヒストリー分析のための統一型SAEベースのフレームワークであるHistLensを提案する。
このフレームワークは、概念表現を解釈可能な機能に分解し、時間とソース間のアクティベーションのダイナミクスを追跡する。
長距離プレスコーパスの実験では、HistLensは概念進化のパターンのクロスコンセプト、クロスコーパス計算をサポートし、暗黙の概念計算を可能にする。
解釈的ニーズで概念モデリングをブリッジすることで、HistLensは社会科学と人文科学に利用可能な分析的視点と方法論的レパートリーを広げ、ダイアクロニックテキスト分析を行う。
関連論文リスト
- Concept frustration: Aligning human concepts and machine representations [39.50576817657001]
基礎モデル埋め込みから抽出した教師なし中間表現と教師なし人間概念を比較するための枠組みを提案する。
科学的発見における概念的飛躍の役割に感銘を受け、概念的フラストレーションの概念を定式化する。
我々は,教師付き概念ベースモデルと教師なし表現の間の概念フラストレーションを検出するタスク整合類似度尺度を開発した。
論文 参考訳（メタデータ） (2026-03-31T12:17:21Z) - Abstract Concept Modelling in Conceptual Spaces: A Study on Chess Strategies [0.3093890460224435]
本稿では,チェスによる概念実証を通じて,時間とともに展開する抽象概念をモデル化するための概念空間フレームワークを提案する。
攻撃や犠牲といった戦略概念は、解釈可能な品質次元を越えて幾何学的領域として表現される。
このアプローチはデュアルパースペクティブなモデリングをサポートし、プレイヤーが同じ状況を異なる方法で解釈する方法をキャプチャする。
論文 参考訳（メタデータ） (2026-01-29T14:22:43Z) - Concept Component Analysis: A Principled Approach for Concept Extraction in LLMs [51.378834857406325]
機械的解釈可能性(Mechanistic interpretability)は、大きな言語モデルからの抽出によって問題を緩和しようとする。
スパースオートエンコーダ (SAE) は、解釈可能・単意味的な概念を抽出するための一般的なアプローチである。
SAEは基本的な理論的曖昧さに悩まされており、LLM表現と人間解釈可能な概念との明確に定義された対応はいまだに不明である。
論文 参考訳（メタデータ） (2026-01-28T09:27:05Z) - A Geometric Unification of Concept Learning with Concept Cones [58.70836885177496]
解釈可能性の2つの伝統は、並べて進化してきたが、互いに話すことはめったにない:概念ボトルネックモデル(CBM)とスパースオートエンコーダ(SAE)。
両パラダイムが同じ幾何学的構造をインスタンス化することを示す。
CBMは人間の定義した参照ジオメトリを提供するが、SAEは学習した円錐がCBMをどの程度よく近似するか、あるいは包含しているかによって評価することができる。
論文 参考訳（メタデータ） (2025-12-08T09:51:46Z) - FaCT: Faithful Concept Traces for Explaining Neural Network Decisions [56.796533084868884]
ディープネットワークは、幅広いタスクで顕著なパフォーマンスを示しているが、それらの機能に関するグローバルな概念レベルの理解は、依然として重要な課題である。
本稿では,概念に基づく説明の忠実さを強調し,モデル独立な機械的概念説明を用いた新しいモデルを提案する。
私たちの概念はクラス間で共有され、あらゆるレイヤから、ロジットへの貢献と入力-視覚化を忠実にトレースすることができます。
論文 参考訳（メタデータ） (2025-10-29T13:35:46Z) - Analyzing Latent Concepts in Code Language Models [10.214183897113118]
グローバルなポストホック解釈可能性フレームワークであるコード概念分析(CoCoA)を提案する。
CoCoAは、コード言語モデルの表現空間における創発的語彙、構文、意味構造を明らかにする。
本稿では,静的解析ツールをベースとした構文アライメントと,プロンプトエンジニアリングによる大規模言語モデルを組み合わせたハイブリッドアノテーションパイプラインを提案する。
論文 参考訳（メタデータ） (2025-10-01T03:53:21Z) - MindCraft: How Concept Trees Take Shape In Deep Models [15.113541622429084]
コンセプトツリー上に構築されたMindCraftフレームワークを紹介します。
概念木は階層的な概念の出現を再構築し、共有表現から線形に分離可能な部分空間へと正確に分岐する。
実証的な評価は、概念ツリーが意味的階層を回復し、潜在概念を歪め、複数のドメインにまたがって広く適用可能であることを示している。
論文 参考訳（メタデータ） (2025-09-26T20:39:52Z) - Revealing emergent human-like conceptual representations from language prediction [90.73285317321312]
大規模言語モデル(LLMs)は、人間らしい振る舞いを示すテキストの次のトーケン予測によってのみ訓練される。
これらのモデルでは、概念は人間のものと似ていますか?
LLMは、他の概念に関する文脈的手がかりに関連して、言語記述から柔軟に概念を導出できることがわかった。
論文 参考訳（メタデータ） (2025-01-21T23:54:17Z) - Analyzing Encoded Concepts in Transformer Language Models [21.76062029833023]
ConceptXは、事前訓練された言語モデル内で学習された表現において、潜伏概念がどのように符号化されるかを分析する。
クラスタリングを使用して、符号化された概念を発見し、人間の定義した概念の大規模なセットと整合してそれらを説明する。
論文 参考訳（メタデータ） (2022-06-27T13:32:10Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。