“deepseek”被网易有道词典评选为2025年度词汇，全年搜索量超过867万次。该词在2月后搜索热度激增，反映公众对新技术的积极态度。随着有道词典AI能力提升，用户在查词后深入探索相关知识，体现中国AI行业的持续创新。

作者借助AI技术开发在线词典，灵感来自对Google Dictionary的羡慕。计划通过ChatGPT等工具，创建更适合外语学习者的词典，提供词汇使用频率、历史演变和忌讳等信息，突破传统词典的局限。最终成果已发布在网站上，仍需进一步完善。

PopTranslate 是一款 Chrome 扩展，用户选择文本后可立即查看翻译结果和英语词典。该扩展使用免费的谷歌翻译和词典 API，确保长期可用且无成本。

本研究开发了一种基于变压器的阿拉伯反向词典系统，旨在帮助用户根据描述找到单词，提升阿拉伯自然语言处理的效果，为语言学习和专业交流提供了重要工具。

本研究开发了一个基于视频的美式手语词典，旨在帮助学习者解决查找不熟悉手势的困难。通过手势识别技术和用户体验研究，分析了初学者在使用过程中的互动问题，如系统延迟和隐私顾虑，为词典系统的设计提供了指导。

本研究提出LENS，解决了传统因果大型语言模型在词元冗余和单向注意力方面的限制。LENS通过词元嵌入聚类和双向注意力机制，提高了词典匹配效率，并在文本嵌入基准测试中优于密集嵌入。

本研究解决了低资源语言缺乏双语词典的问题，采用无监督双语词典诱导（UBLI）技术，通过结合多种改进的方法，探索其协同作用。实验结果表明，最佳技术组合显著提高了双语词典的生成效果，并发布了英语-信德语和英语-旁遮普语的双语词典。

本研究通过德语和加利西亚语的实验，探讨词典学与人工智能中的效率与智能，分析ChatGPT 3.5生成的词典条目与传统词典的表现。

本研究提出了一种视觉词典（ViLex），通过自监督学习有效捕捉高层语义和细致视觉细节，优化图像重构，提升视觉-语言模型的性能，推动高保真图像生成和视觉场景理解。

本研究针对孟加拉语情感分析的研究空白，提出了一种新的混合方法，结合基于规则的算法与预训练语言模型。研究表明，BSPS与BanglaBERT的混合方法在九个情感类别的分类准确性和精确性上优于单独使用BanglaBERT模型，进而强调了规则基础和预训练语言模型相结合的重要性和有效性。

本研究提出了一种经济词典（EL），用于经济文本的情感分析，涵盖广泛的术语并提供情感评分。研究结果表明，该词典在术语覆盖和情感分类准确性方面优于其他词典，具有重要的应用潜力。

本研究解决了南非和刚果民主共和国在AI翻译和情感分析中缺乏标记数据的问题，开发了法语和Tshiluba的多语言词典，并利用多种机器学习模型提升情感分类能力，其中BERT模型表现最佳，准确率达到99%。

研究通过“解释链”方法提升生成语言模型的文本解释准确性，将NLE生成的BLUE成绩从44.0提高到62.3。自动评估和人工评分显示信息和清晰度显著提升。

Free Dictionary API 是由 meetDeveloper 开发的免费词典 API，无需授权，支持 GET 请求。它提供单词的定义、音标、词性、同义词和反义词等信息，返回 JSON 格式数据。适用于语言学习和写作助手项目，无使用限制。

本文提出了一种无监督的方法来区分名词的意义变化，并通过数字化书籍中的严格时间变化文本数据构建分布式词库网络，将它们分别聚类以获得与不同时间点对应的以词为中心的意义聚类。该方法可应用于词汇编纂和语义搜索，并经过人工评估和WordNet对比，该算法在48个样本和21个样本分别中正确识别出60.4％的新出现情况，57％的分裂/合并情况，并有44％的新意义得到WordNet验证。

本研究通过语义在线聚类方法增强标记的语义，实现更有效的词典表示。SGC-VQGAN在重建质量和下游任务中表现出最先进的性能，具备直接应用于下游任务的潜力。