Semantic Drift（语义漂移）

语义漂移描述词义随时间的演变，如“apple”从水果到科技公司。在NLP中，传统静态词向量无法捕捉这种变化，导致下游任务性能下降。研究者提出动态词嵌入（如基于时间序列的Word2Vec）和历时语言模型（如BERT的时序微调）来建模语义变化。该问题在社交媒体分析、历史文本挖掘和跨领域迁移中尤为突出，需持续监测和适应。