論文の概要: The Hierarchical Organization of Syntax
- arxiv url: http://arxiv.org/abs/2112.05783v2
- Date: Sat, 15 Jul 2023 20:36:54 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-19 00:56:30.260864
- Title: The Hierarchical Organization of Syntax
- Title（参考訳）: 構文の階層構造
- Authors: Babak Ravandi and Valentina Concu
- Abstract要約: 歴史的構文ネットワークの階層構造を解析し、時間とともに構文がどのように進化するかを理解する。
私たちは11世紀から17世紀のドイツのテキストのコーパスからこれらのネットワークを作りました。
我々はこれらの構文構造を「シンタクティック・コミュニケーティブ・階層」と命名した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Hierarchies are the hidden backbones of complex systems and their analysis
allows for a deeper understanding of their structure and how they evolve. We
consider languages also to be complex adaptive systems with several intricate
networks that capture their structure and function. Hence, we decided to
analyze the hierarchical organization of historical syntactic networks to
understand how syntax evolves over time. We created these networks from a
corpus of German texts from the 11th to 17th centuries, focusing on the
hierarchical levels of these networks. diachronically and to map them to
specific communicative needs of speakers. We developed a framework to
empirically track the emergence of syntactic structures diachronically,
enabling us to map the communicative needs of speakers with these structures.
We named these syntactic structures "syntactic communicative hierarchies." We
showed that the communicative needs of speakers are the organizational force of
syntax. Thus, we argue that the emergence of syntactic communicative
hierarchies plays a crucial role in shaping syntax over time. This may indicate
that languages evolve not only to increase the efficiency of transferring
information, but also to increase our capacity, as a species, to communicate
our needs with more and more sophisticated abstractions.
- Abstract（参考訳）: 階層は複雑なシステムの隠されたバックボーンであり、その分析はそれらの構造とどのように進化するかをより深く理解することができる。
言語は複雑な適応システムであり、複数の複雑なネットワークを持ち、それらの構造と機能を捉える。
そこで我々は,歴史的構文ネットワークの階層構造を分析し,構文の経時的変化を理解することにした。
我々は、これらのネットワークを11世紀から17世紀のドイツのテキストのコーパスから作り、これらのネットワークの階層的なレベルに焦点を当てた。
話し手の特定のコミュニケーションニーズに 対応させるためです
我々は,構文構造の出現を二元的に追跡し,話者のコミュニケーションニーズをこれらの構造にマップする枠組みを開発した。
我々はこれらの構文構造を「シンタクティックコミュニケーション階層」と名付けた。
我々は,話し手のコミュニケーションニーズが構文の組織的力であることを示した。
したがって,構文的コミュニケーション階層の出現は,構文形成において重要な役割を担っていると考える。
これは、言語が、情報転送の効率を向上させるだけでなく、より洗練された抽象化で私たちのニーズを伝達する種としての能力を高めるために進化することを示しているかもしれない。
関連論文リスト
- Unsupervised Mutual Learning of Dialogue Discourse Parsing and Topic Segmentation [38.956438905614256]
修辞構造とトピック構造は、主に別々にモデル化されるか、または以前の作業で他方を補助する。
本稿では,グローバル・ローカル・コネクティビティを活用した2つの構造物の教師なし相互学習フレームワークを提案する。
また、局所コヒーレンス整合性を確保するために、グラフニューラルネットワークモデルを用いて、レトリック構造をトピック構造に組み込む。
論文 参考訳（メタデータ） (2024-05-30T08:10:50Z) - Revisiting Conversation Discourse for Dialogue Disentanglement [88.3386821205896]
本稿では,対話談話特性を最大限に活用し,対話の絡み合いを高めることを提案する。
我々は,会話の意味的文脈をより良くモデル化するために,リッチな構造的特徴を統合する構造認識フレームワークを開発した。
我々の研究は、より広範なマルチスレッド対話アプリケーションを促進する大きな可能性を秘めている。
論文 参考訳（メタデータ） (2023-06-06T19:17:47Z) - TeKo: Text-Rich Graph Neural Networks with External Knowledge [75.91477450060808]
外部知識を用いた新しいテキストリッチグラフニューラルネットワーク(TeKo)を提案する。
まず、高品質なエンティティを組み込んだフレキシブルな異種セマンティックネットワークを提案する。
次に、構造化三重項と非構造化実体記述という2種類の外部知識を導入する。
論文 参考訳（メタデータ） (2022-06-15T02:33:10Z) - Unsupervised Learning of Hierarchical Conversation Structure [50.29889385593043]
ゴール指向の会話は、しばしば意味のあるサブ対話構造を持つが、ドメインに依存しやすい。
この研究は、ターンやサブダイアログのセグメントラベルを含む階層的な会話構造を学習するための教師なしのアプローチを導入する。
復号化構造は3つの会話レベル理解タスクのための言語ニューラルネットワークの強化に有用であることが示されている。
論文 参考訳（メタデータ） (2022-05-24T17:52:34Z) - Adaptive Hierarchical Graph Reasoning with Semantic Coherence for
Video-and-Language Inference [81.50675020698662]
Video-and-Language Inferenceは、最近提案された共同ビデオ・言語理解のタスクである。
本稿では,複雑な相互作用に関する映像の深い理解を実現する適応階層型グラフネットワークを提案する。
3つの階層から適応階層型グラフネットワークのセマンティックコヒーレンスを明示的に促進するためにセマンティックコヒーレンス学習を導入する。
論文 参考訳（メタデータ） (2021-07-26T15:23:19Z) - Structured Attention for Unsupervised Dialogue Structure Induction [110.12561786644122]
本稿では、構造化された注意層を離散潜在状態を持つ変化型リカレントニューラルネットワーク(VRNN)モデルに組み込んで、教師なしの方法で対話構造を学ぶことを提案する。
バニラVRNNと比較して、構造化された注意は、構造的帰納バイアスを強制しながら、ソース文の埋め込みの異なる部分にフォーカスすることができる。
論文 参考訳（メタデータ） (2020-09-17T23:07:03Z) - Compositional Networks Enable Systematic Generalization for Grounded
Language Understanding [21.481360281719006]
人間は、今まで遭遇したことのない概念の組み合わせを含む新しい文を理解する際に、驚くほど柔軟です。
近年の研究では、深層ネットワークは、新しい文で表されるときの人間の言語能力を模倣できるが、体系的な変化は、ネットワークの言語理解能力の限界を明らかにする。
本稿では,gSCANデータセットの一般化問題に対処することで,これらの制限を克服できることを実証する。
論文 参考訳（メタデータ） (2020-08-06T16:17:35Z) - Learning Structured Communication for Multi-agent Reinforcement Learning [104.64584573546524]
本研究では,マルチエージェント強化学習(MARL)環境下での大規模マルチエージェント通信機構について検討する。
本稿では、より柔軟で効率的な通信トポロジを用いて、LSC(Learning Structured Communication)と呼ばれる新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2020-02-11T07:19:45Z)
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。