論文の概要: SPAWNing Structural Priming Predictions from a Cognitively Motivated Parser

• arxiv url: http://arxiv.org/abs/2403.07202v2
• Date: Sat, 09 Nov 2024 20:46:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-12 14:04:34.397484
• Title: SPAWNing Structural Priming Predictions from a Cognitively Motivated Parser
• Title（参考訳）: SPAWNing Structure Priming Predictions from a Cognitively Motivated Parser (特集 SPAWNing Structure Priming Predictions)
• Authors: Grusha Prasad, Tal Linzen,
• Abstract要約: 我々は、SPAWNを用いて、英語の相対節の構造に関する2つの理論から、プライミング予測を生成する。 パルティシパル・パーゼ理論の予測は人間の行動と一致しているが、ウィズ・ディレティオン理論の予測には一致しなかった。
• 参考スコア（独自算出の注目度）: 20.83447226847776
• License:
• Abstract: Structural priming is a widely used psycholinguistic paradigm to study human sentence representations. In this work we introduce SPAWN, a cognitively motivated parser that can generate quantitative priming predictions from contemporary theories in syntax which assume a lexicalized grammar. By generating and testing priming predictions from competing theoretical accounts, we can infer which assumptions from syntactic theory are useful for characterizing the representations humans build when processing sentences. As a case study, we use SPAWN to generate priming predictions from two theories (Whiz-Deletion and Participial-Phase) which make different assumptions about the structure of English relative clauses. By modulating the reanalysis mechanism that the parser uses and strength of the parser's prior knowledge, we generated nine sets of predictions from each of the two theories. Then, we tested these predictions using a novel web-based comprehension-to-production priming paradigm. We found that while the some of the predictions from the Participial-Phase theory aligned with human behavior, none of the predictions from the the Whiz-Deletion theory did, thus suggesting that the Participial-Phase theory might better characterize human relative clause representations.
• Abstract（参考訳）: 構造的プライミングは、人間の文表現を研究するために広く用いられる精神言語学のパラダイムである。 本研究では, 語彙化文法を仮定する構文において, 現代理論から量的プライミング予測を生成できる認知的動機付け型構文解析器SPAWNを紹介する。 競合する理論的な説明からプライミング予測を生成してテストすることにより、構文理論からの仮定が文の処理時に人間が構築する表現を特徴づけるのに役立つかを推測することができる。 本研究では、SPAWNを用いて2つの理論(Whiz-DeletionとParticipial-Phase)からプライミング予測を生成する。 パーサーが用いた再解析機構とパーサーの事前知識の強さを調節することにより,2つの理論のそれぞれから9つの予測セットを生成した。 そこで我々は,これらの予測を,新しいWebベースの理解と生産のプライミングパラダイムを用いて検証した。 その結果,Whiz-Deletion理論の予測は人間の行動と一致しているものの,Whiz-Deletion理論の予測には一致しないことが明らかとなり,Phiz-Phase理論は人間の相対的節表現をより特徴付ける可能性が示唆された。

関連論文リスト

• The Foundations of Tokenization: Statistical and Computational Concerns [51.370165245628975]
  トークン化は、NLPパイプラインにおける重要なステップである。 NLPにおける標準表現法としての重要性は認識されているが、トークン化の理論的基盤はまだ完全には理解されていない。 本稿では,トークン化モデルの表現と解析のための統一的な形式的枠組みを提案することによって,この理論的ギャップに対処することに貢献している。
  論文  参考訳（メタデータ） (2024-07-16T11:12:28Z)
• eRST: A Signaled Graph Theory of Discourse Relations and Organization [14.074017875514787]
  RST(Rhetorical Structure Theory)の拡張に基づく計算談話分析のための新しい理論枠組みを提案する。 このフレームワークは、木を破る、非計画的、並行的な関係を持つ談話関係グラフと、分析に説明可能な合理性を与える暗黙的、明示的な信号を含む。 我々は,200K以上のトークンを持つ12の話し言葉および書き言葉のジャンルを含む,アノテートされた英語の無料コーパスを,我々の枠組みに従って提示し,評価する。
  論文  参考訳（メタデータ） (2024-03-20T12:52:38Z)
• Prototype-based Aleatoric Uncertainty Quantification for Cross-modal Retrieval [139.21955930418815]
  クロスモーダル検索手法は、共通表現空間を共同学習することにより、視覚と言語モダリティの類似性関係を構築する。 しかし、この予測は、低品質なデータ、例えば、腐敗した画像、速いペースの動画、詳細でないテキストによって引き起こされるアレタリック不確実性のために、しばしば信頼性が低い。 本稿では, 原型に基づくAleatoric Uncertainity Quantification (PAU) フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-29T09:41:19Z)
• Testing the Predictions of Surprisal Theory in 11 Languages [77.45204595614]
  本研究では,11言語における副次的時間と読解時間の関係について検討する。 より多様な言語に焦点をあてることで、これらの結果は、情報理論と言語間のインクリメンタル言語処理の最も堅牢なリンクを提供すると論じる。
  論文  参考訳（メタデータ） (2023-07-07T15:37:50Z)
• Token-wise Decomposition of Autoregressive Language Model Hidden States for Analyzing Model Predictions [9.909170013118775]
  本研究は,各初期入力トークンに基づいて,自己回帰言語モデルから最終隠れ状態の線形分解を行う。 次単語確率の変化を重要度尺度として、まず、どの文脈語が言語モデル予測に最も貢献するかを検討する。
  論文  参考訳（メタデータ） (2023-05-17T23:55:32Z)
• Probing for Incremental Parse States in Autoregressive Language Models [9.166953511173903]
  自己回帰型ニューラルネットワークモデルからの次の単語予測は、構文に対する顕著な感度を示す。 この研究は、漸進的な構文構造の暗黙的な表現を維持する学習能力の結果として、この振る舞いが生じる範囲を評価する。
  論文  参考訳（メタデータ） (2022-11-17T18:15:31Z)
• Syntactic Surprisal From Neural Models Predicts, But Underestimates, Human Processing Difficulty From Syntactic Ambiguities [19.659811811023374]
  言語モデルから構文予測可能性を推定する手法を提案する。 構文的予測可能性と語彙的予測可能性とを独立に扱うことで,園路効果のより大きい推定結果が得られた。 本研究は, 庭道文に付随する処理コストの要因は, 予測可能性だけではないという仮説を支持する。
  論文  参考訳（メタデータ） (2022-10-21T18:30:56Z)
• Predictive Inference with Feature Conformal Prediction [80.77443423828315]
  本稿では,特徴空間への共形予測の範囲を拡大する特徴共形予測を提案する。 理論的観点からは、特徴共形予測は軽度の仮定の下で正則共形予測よりも確実に優れていることを示す。 提案手法は,バニラ共形予測だけでなく,他の適応共形予測手法と組み合わせることができる。
  論文  参考訳（メタデータ） (2022-10-01T02:57:37Z)
• Compositional Generalization Requires Compositional Parsers [69.77216620997305]
  直近のCOGSコーパスにおける構成原理によって導かれるシーケンス・ツー・シーケンスモデルとモデルを比較した。 構造一般化は構成一般化の重要な尺度であり、複雑な構造を認識するモデルを必要とする。
  論文  参考訳（メタデータ） (2022-02-24T07:36:35Z)
• Instance-Based Neural Dependency Parsing [56.63500180843504]
  依存関係解析のための解釈可能な推論プロセスを持つニューラルモデルを開発する。 私たちのモデルはインスタンスベースの推論を採用しており、トレーニングセットのエッジと比較することで、依存関係のエッジを抽出し、ラベル付けします。
  論文  参考訳（メタデータ） (2021-09-28T05:30:52Z)

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。