論文の概要: Grammatical cues to subjecthood are redundant in a majority of simple
clauses across languages
- arxiv url: http://arxiv.org/abs/2201.12911v3
- Date: Thu, 21 Sep 2023 00:43:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-22 20:24:44.929574
- Title: Grammatical cues to subjecthood are redundant in a majority of simple
clauses across languages
- Title（参考訳）: 主題への文法的手がかりは、言語をまたがる多くの単純な節において冗長である
- Authors: Kyle Mahowald, Evgeniia Diachek, Edward Gibson, Evelina Fedorenko,
Richard Futrell
- Abstract要約: 文法的な手がかりは、自然言語で単語の意味と重複することがある。
私たちは英語とロシア語で行動実験を行った。
8つの言語族の30言語にまたがって、パフォーマンスは一貫して高かった。
- 参考スコア（独自算出の注目度）: 16.432784321296104
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Grammatical cues are sometimes redundant with word meanings in natural
language. For instance, English word order rules constrain the word order of a
sentence like "The dog chewed the bone" even though the status of "dog" as
subject and "bone" as object can be inferred from world knowledge and
plausibility. Quantifying how often this redundancy occurs, and how the level
of redundancy varies across typologically diverse languages, can shed light on
the function and evolution of grammar. To that end, we performed a behavioral
experiment in English and Russian and a cross-linguistic computational analysis
measuring the redundancy of grammatical cues in transitive clauses extracted
from corpus text. English and Russian speakers (n=484) were presented with
subjects, verbs, and objects (in random order and with morphological markings
removed) extracted from naturally occurring sentences and were asked to
identify which noun is the subject of the action. Accuracy was high in both
languages (~89% in English, ~87% in Russian). Next, we trained a neural network
machine classifier on a similar task: predicting which nominal in a
subject-verb-object triad is the subject. Across 30 languages from eight
language families, performance was consistently high: a median accuracy of 87%,
comparable to the accuracy observed in the human experiments. The conclusion is
that grammatical cues such as word order are necessary to convey subjecthood
and objecthood in a minority of naturally occurring transitive clauses;
nevertheless, they can (a) provide an important source of redundancy and (b)
are crucial for conveying intended meaning that cannot be inferred from the
words alone, including descriptions of human interactions, where roles are
often reversible (e.g., Ray helped Lu/Lu helped Ray), and expressing
non-prototypical meanings (e.g., "The bone chewed the dog.").
- Abstract（参考訳）: 文法的な手がかりは、自然言語で単語の意味と重複することがある。
例えば、英語の語順規則は、対象としての「犬」と対象としての「骨」の状態が世界の知識と可能性から推測できるにもかかわらず、「犬が骨を噛んだ」ような文の語順を制限している。
この冗長性の発生頻度の定量化と、その冗長性のレベルが、類型的に多様な言語によってどのように異なるかは、文法の機能と進化に光を当てることができる。
そこで我々は,英語とロシア語で行動実験を行い,コーパステキストから抽出した推移節における文法的手がかりの冗長性を測定した。
英語とロシア語の話者(n=484)は、自然発生文から抽出された主語、動詞、対象(ランダムな順序と形態的記号を取り除いた)を提示し、どの名詞がその行動の対象であるかを判断するよう求めた。
両方の言語で精度が高い(英語では89%、ロシア語では87%)。
次に、ニューラルネットワークマシンの分類器を、同じようなタスクでトレーニングした。
8つの言語ファミリーから30の言語にまたがる性能は一貫して高く、中央値の精度は87%であり、人間の実験で観測された精度に匹敵するものであった。
結論は、単語順などの文法的手がかりは、自然に発生する推移的節の少数派において主観性と客観性を伝えるために必要であるということである。
(a)重要な冗長性源を提供し、
b) 言葉だけでは推論できない意図的な意味を伝えるために重要であり、人間同士の相互作用の記述(レイがルー/ルーがレイを助けたなど)や、非原型的な意味(例えば「骨が犬を噛んだ」)を表現している。
関連論文リスト
- What an Elegant Bridge: Multilingual LLMs are Biased Similarly in Different Languages [51.0349882045866]
本稿では,Large Language Models (LLMs) の文法的ジェンダーのレンズによるバイアスについて検討する。
様々な言語における形容詞を持つ名詞を記述するためのモデルを提案し,特に文法性のある言語に焦点を当てた。
単純な分類器は、偶然以上の名詞の性別を予測できるだけでなく、言語間の移動可能性も示せる。
論文 参考訳（メタデータ） (2024-07-12T22:10:16Z) - The Causal Influence of Grammatical Gender on Distributional Semantics [87.8027818528463]
言語間のジェンダー割り当てがどの程度意味を持つかは、言語学と認知科学における研究の活発な領域である。
我々は、名詞の文法的性別、意味、形容詞選択の間の相互作用を共同で表現する、新しい因果的グラフィカルモデルを提供する。
名詞の意味を制御した場合、文法的性別と形容詞的選択の関係は、ほぼゼロであり、無意味である。
論文 参考訳（メタデータ） (2023-11-30T13:58:13Z) - Syntactic Variation Across the Grammar: Modelling a Complex Adaptive
System [0.76146285961466]
16か国49の英語話者の方言変化をモデル化した。
その結果,構文変化の重要な部分は文法の異なる部分間の相互作用から成り立っていることがわかった。
ニュージーランド英語は、オーストラリア英語の phrasal verb に類似しているが、同時に英英語の dative phrase にも類似している。
論文 参考訳（メタデータ） (2023-09-21T08:14:34Z) - Quantifying the Roles of Visual, Linguistic, and Visual-Linguistic
Complexity in Verb Acquisition [8.183763443800348]
我々は、事前学習された人工ニューラルネットワークから得られる単語の視覚的および言語的表現を用いる。
動詞の表現は一般的に、名詞の表現よりも領域内ではより可変であり、識別しにくいことが分かる。
視覚的可変性は、言語学習を内部的に推進する最強の要因であり、次いで視覚言語的アライメントと言語的可変性である。
論文 参考訳（メタデータ） (2023-04-05T15:08:21Z) - When classifying grammatical role, BERT doesn't care about word order...
except when it matters [9.553484840008583]
単語の順序は、意味論的に非原型的な位置における単語の後半層表現を定義するのに不可欠である。
実験では,単語順序が文脈化過程に与える影響を分離した。
論文 参考訳（メタデータ） (2022-03-11T19:00:15Z) - It's not Rocket Science : Interpreting Figurative Language in Narratives [48.84507467131819]
我々は2つの非構成的図形言語(イディオムとシミュラ)の解釈を研究する。
実験の結果、事前学習された言語モデルのみに基づくモデルは、これらのタスクにおいて人間よりもはるかにひどい性能を示すことがわかった。
また, 知識強化モデルを提案し, 具体的言語を解釈するための人的戦略を採用した。
論文 参考訳（メタデータ） (2021-08-31T21:46:35Z) - Word Frequency Does Not Predict Grammatical Knowledge in Language Models [2.1984302611206537]
言語モデルの精度には,系統的な変化源が存在するかを検討する。
特定の名詞は他の名詞よりも体系的によく理解されており、文法的タスクや異なる言語モデルに対して頑健である。
名詞の文法的特性は,様々な訓練データからほとんど学習されないことが判明した。
論文 参考訳（メタデータ） (2020-10-26T19:51:36Z) - Investigating Cross-Linguistic Adjective Ordering Tendencies with a
Latent-Variable Model [66.84264870118723]
本稿では,多言語形容詞順序付けを潜在変数モデルとして,初めて純粋コーパス駆動モデルを提案する。
我々は普遍的、言語横断的、階層的形容詞順序付け傾向の存在の強い確固たる証拠を提供する。
論文 参考訳（メタデータ） (2020-10-09T18:27:55Z) - Pragmatic information in translation: a corpus-based study of tense and
mood in English and German [70.3497683558609]
文法的時制とムードは自然言語処理(NLP)研究において考慮すべき重要な言語現象である。
我々は翻訳における英語とドイツ語の時制とムードの対応について考察する。
特に重要なのは、ルールベース、フレーズベース統計およびニューラルマシン翻訳における時制とムードをモデル化することである。
論文 参考訳（メタデータ） (2020-07-10T08:15:59Z) - On the Relationships Between the Grammatical Genders of Inanimate Nouns
and Their Co-Occurring Adjectives and Verbs [57.015586483981885]
我々は6つの異なるジェンダー言語で大規模コーパスを使用する。
名詞の文法的性別とそれらの名詞を直接対象、間接対象、主語とする動詞との間に統計的に有意な関連性を見出した。
論文 参考訳（メタデータ） (2020-05-03T22:49:44Z)
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。