Análisis de desplazamiento semántico previo y posterior al COVID-19 en Word Embeddings diacrónicos del español

Abstract

El significado de las palabras puede cambiar a lo largo del tiempo. Este fenómeno se conoce como desplazamiento semántico. Existen diferentes formas de medir este desplazamiento semántico, siendo una de ellas el análisis de los cambios en distancias en los \emph{embeddings} de las palabras.

En este trabajo, se propone un mecanismo para la construcción de word embeddings diacrónicos, es decir, de diferentes momentos del tiempo. Luego se construye un word embedding diacrónico del español previo y posterior a la aparición de la pandemia por COVID-19. Estos embeddings fueron construidos a partir de un corpus 237 millones de sitios web. Finalmente, se analiza el desplazamiento semántico de los términos asociados a tres casos de estudio particulares: COVID-19, vacunación y mascarillas.

A pesar de que pasaron pocos años entre la recolección de los corpus con los que se entrenaron los word embeddings, se encontraron cambios significativos en las vecindades de los clústeres de palabras analizadas. Además, se encontraron cambios sutiles en la distancia relativa a emociones.