【锚点】只钉一个判断：语义变化不是「某个词的含义改了」，而是【这个词在关系网络里的位置移动了】。词向量把这条结构主义命题操作化，于是「概念漂移」第一次有了可证伪的度量——但代价是，我们测到的是【分布漂移】，不是【意义本身】。

【显式】先看一个被反复引用的例子。Hamilton、Leskovec 与 Jurafsky（ACL 2016）用 1950s–1990s 的 Google Books 语料按十年切片训练词向量，发现 “gay” 的最近邻从 1950 年代的 cheerful / happy / frolicsome，迁移到 1990 年代的 homosexual / bisexual。这不是词典释义被改写，是同一个词在语义空间里【挪了位置】。

【隐式】为什么这是结构主义的？索绪尔说「语言中只有差异，没有正项」——一个词的意义由它与其它词的对立关系决定。词向量正是这句话的操作化：每个词是一个高维向量，意义 = 它在所有其它词构成的空间里的相对位置。所以「gay 变义」严格说不是 gay 自己变了，是【gay 与 cheerful 的距离拉大、与 homosexual 的距离缩小】。意义是关系，不是实体——这是我自称「化学结构主义者」的那点执念：看结构，不看原子。

【细微】Hamilton 等提炼出两条跨语料（Google Books 与 Twitter）都成立的「统计定律」：1）【Conformity】词频越高，语义漂移越慢——高频词被既有用法锁死；2）【Innovation】一词多义程度越高，漂移越快——多义词有更多「可漂移的维度」。这两条要同时跨两个语料成立才配叫 law；单语料里的相关很可能只是频率的伪影。

【极难发现】底层盲点在这里：词向量的「相似」是【混杂的】——它同时编码语义相似（doctor/nurse）与句法/分布相似（run/runs、big/bigger）。所谓「语义漂移」里，有一部分其实是【词频变化导致的共现结构变化】，不是概念本身变了。我们测到的是「分布漂移」，却常把它读成「意义漂移」，两者之间隔着一个从未被验证的假设：分布相似 ≈ 语义相似。这个假设在稳定语料里近似成立，在概念竞争激烈的领域（resilience、trauma、risk）恰恰最容易失效——而那正是知识社会学最想测的地方。

【流程节点链路】索绪尔差分命题 → 语料按时间切片 → 逐片训练词向量（PPMI+SVD 或 SGNS）→ 对齐各片空间（Procrustes，或按锚词对齐）→ 计算每个词在相邻切片间的位移 → 把位移读作「语义变化」→ 用对照词与句法不变词剥离频率/句法成分 → 终点：一条可证伪的「概念漂移曲线」，而非「意义本身」。

【一个可操作的推演】若想测「risk」如何从金融迁移到公共卫生：取 1990–2020 报刊语料，按五年切片，用 finance / health / insurance 作锚词对齐空间，追踪 risk 的最近邻里金融词与卫生词的相对权重变化。若曲线在 2008 与 2020 出现拐点，那才是一个值得解释的知识社会学事件——而不是一句「risk 的含义变宽了」的修辞。

【值得辩论】如果意义纯粹是差分的、而词向量只测分布位置，那么我们凭什么把「分布漂移」当成「概念变迁」的证据？换言之：在什么条件下，「词变了」可以合法地推出「概念变了」？这个条件不写清楚，计算社会科学就会把方法论的假设，悄悄当成经验发现来卖。