論文の概要: Discourse Context Predictability Effects in Hindi Word Order

• arxiv url: http://arxiv.org/abs/2210.13940v1
• Date: Tue, 25 Oct 2022 11:53:01 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-26 13:39:04.541079
• Title: Discourse Context Predictability Effects in Hindi Word Order
• Title（参考訳）: ヒンディー語順における談話文脈予測可能性効果
• Authors: Sidharth Ranjan, Marten van Schijndel, Sumeet Agarwal, Rajakrishnan Rajkumar
• Abstract要約: 文中の単語と構文構造が次の文の語順にどのように影響するかを検討する。 我々は,言論に基づく多くの特徴と認知的特徴を用いて,依存関係の長さ,前提,情報状態などの予測を行う。 情報ステータスとLSTMに基づく談話予測が単語の順序選択に影響を及ぼすことがわかった。
• 参考スコア（独自算出の注目度）: 14.88833412862455
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We test the hypothesis that discourse predictability influences Hindi syntactic choice. While prior work has shown that a number of factors (e.g., information status, dependency length, and syntactic surprisal) influence Hindi word order preferences, the role of discourse predictability is underexplored in the literature. Inspired by prior work on syntactic priming, we investigate how the words and syntactic structures in a sentence influence the word order of the following sentences. Specifically, we extract sentences from the Hindi-Urdu Treebank corpus (HUTB), permute the preverbal constituents of those sentences, and build a classifier to predict which sentences actually occurred in the corpus against artificially generated distractors. The classifier uses a number of discourse-based features and cognitive features to make its predictions, including dependency length, surprisal, and information status. We find that information status and LSTM-based discourse predictability influence word order choices, especially for non-canonical object-fronted orders. We conclude by situating our results within the broader syntactic priming literature.
• Abstract（参考訳）: 談話予測がヒンディー語の構文選択に影響を及ぼすという仮説を検証した。 先行研究では、多くの要因(例えば、情報状態、依存性長、構文的前提)がヒンディー語順に影響を及ぼすことが示されているが、この文献では言論予測可能性の役割が過小評価されている。 構文プライミングの先行研究に触発されて,文中の単語と構文構造が,次の文の語順にどのように影響するかを検討する。 具体的には, Hindi-Urdu Treebank corpus (HUTB) から文を抽出し, それらの文の前動詞構成成分をパーミュレートし, コーパス内で実際に発生した文を, 人工的に生成された散逸に対して予測する分類器を構築する。 この分類器は、多くの談話に基づく特徴と認知的特徴を用いて、依存関係の長さ、前提、情報ステータスなどの予測を行う。 情報ステータスとLSTMに基づく談話予測が単語の順序選択に影響を及ぼすことがわかった。 結論として,より広範な統語的プライミング文学の中での結果をまとめる。

関連論文リスト

• Surprise! Uniform Information Density Isn't the Whole Story: Predicting Surprisal Contours in Long-form Discourse [54.08750245737734]
  話者は、階層的に構造化された談話モデル内の位置に基づいて、情報率を変調する。 階層的予測器は談話の情報輪郭の重要な予測器であり,深い階層的予測器は浅い予測器よりも予測力が高いことがわかった。
  論文  参考訳（メタデータ） (2024-10-21T14:42:37Z)
• Does Dependency Locality Predict Non-canonical Word Order in Hindi? [5.540151072128081]
  依存性長最小化は、非標準的(OSV)構文選択の重要な予測因子である。 談話予測可能性は、構成順序の選好の主要な決定要因として現れる。 この研究は、語順決定における期待適応の役割に光を当てている。
  論文  参考訳（メタデータ） (2024-05-13T13:24:17Z)
• Quantifying the redundancy between prosody and text [67.07817268372743]
  我々は大きな言語モデルを用いて、韻律と単語自体の間にどれだけの情報が冗長であるかを推定する。 単語が持つ情報と韻律情報の間には,複数の韻律的特徴にまたがる高い冗長性が存在する。 それでも、韻律的特徴はテキストから完全には予測できないことが観察され、韻律は単語の上下に情報を運ぶことが示唆された。
  論文  参考訳（メタデータ） (2023-11-28T21:15:24Z)
• Investigating the Utility of Surprisal from Large Language Models for Speech Synthesis Prosody [4.081433571732691]
  本稿では,音声の韻律合成を支援する機能として,ある文脈における単語の予測可能性の尺度である単語代名詞の使用について検討する。 様々な大きさの英語テキストと大言語モデル(LLM)を用いて実験を行う。 語源と語長は適度に相関し,関連性はあるものの言語使用の異なる側面を捉えていることが示唆された。
  論文  参考訳（メタデータ） (2023-06-16T12:49:44Z)
• Neighboring Words Affect Human Interpretation of Saliency Explanations [65.29015910991261]
  単語レベルのサリエンシの説明は、しばしばテキストベースのモデルで特徴属性を伝えるために使われる。 近年の研究では、単語の長さなどの表面的要因が、コミュニケーションされたサリエンシスコアの人間の解釈を歪めてしまうことが報告されている。 本研究では,単語の近傍にある単語のマーキングが,その単語の重要性に対する説明者の認識にどのように影響するかを検討する。
  論文  参考訳（メタデータ） (2023-05-04T09:50:25Z)
• Dual Mechanism Priming Effects in Hindi Word Order [14.88833412862455]
  プライミングは複数の異なるソースによって駆動されるという仮説をテストする。 コーパス文の前動詞構成成分をパーミュレートし、ロジスティック回帰モデルを用いて、コーパス内で実際に発生した文を予測する。 異なるプライミングの影響が互いに分離可能であることを示すことによって、我々は複数の認知メカニズムがプライミングの根底にあるという仮説を支持した。
  論文  参考訳（メタデータ） (2022-10-25T11:49:22Z)
• Textual Entailment Recognition with Semantic Features from Empirical Text Representation [60.31047947815282]
  テキストが仮説を包含するのは、仮説の真の価値がテキストに従う場合に限る。 本稿では,テキストと仮説のテキストの包含関係を同定する新しい手法を提案する。 本手法では,テキスト・ハイブリッド・ペア間の意味的含意関係を識別できる要素ワイド・マンハッタン距離ベクトルベースの特徴を用いる。
  論文  参考訳（メタデータ） (2022-10-18T10:03:51Z)
• The Causal Structure of Semantic Ambiguities [0.0]
  本研究は,(1)異なる解釈の連立可否度,(2)プロセスにおいて特定の単語がより重要な役割を果たす因果構造,の2つの特徴を同定する。 我々はこの理論を、心理学文献から抽出された曖昧なフレーズのデータセットと、私たちによって収集された人間の妥当性に応用した。
  論文  参考訳（メタデータ） (2022-06-14T12:56:34Z)
• Clustering and Network Analysis for the Embedding Spaces of Sentences and Sub-Sentences [69.3939291118954]
  本稿では,文とサブ文の埋め込みを対象とする包括的クラスタリングとネットワーク解析について検討する。 その結果,1つの手法が最もクラスタリング可能な埋め込みを生成することがわかった。 一般に、スパン部分文の埋め込みは、原文よりもクラスタリング特性が優れている。
  論文  参考訳（メタデータ） (2021-10-02T00:47:35Z)
• Exploring Discourse Structures for Argument Impact Classification [48.909640432326654]
  本稿では、文脈経路に沿った2つの議論間の談話関係が、議論の説得力を特定する上で不可欠な要素であることを実証的に示す。 本研究では,文レベルの構造情報を大規模言語モデルから派生した文脈的特徴に注入・融合するDisCOCを提案する。
  論文  参考訳（メタデータ） (2021-06-02T06:49:19Z)
• Characterizing the Effect of Sentence Context on Word Meanings: Mapping Brain to Behavior [0.0]
  本論文は,被験者がこのような変化を認識しているかどうかに答えることを目的としている。 被験者は、単語が特定の文で使用されるとき、その単語が汎用的な意味からどのように変化するかを判断するよう求められた。 結果は、単語の意味が文の文脈によって体系的に変化するという仮説を支持する。
  論文  参考訳（メタデータ） (2020-07-27T20:12:30Z)

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。