論文の概要: Evaluating the cognitive reality of Spanish irregular morphomic patterns: Humans vs. Transformers

• arxiv url: http://arxiv.org/abs/2507.21556v1
• Date: Tue, 29 Jul 2025 07:40:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-30 17:08:55.853502
• Title: Evaluating the cognitive reality of Spanish irregular morphomic patterns: Humans vs. Transformers
• Title（参考訳）: スペインの不規則な形態素パターンの認知現実性の評価:人間対トランスフォーマー
• Authors: Akhilesh Kakolu Ramarao, Kevin Tang, Dinah Baer-Henney,
• Abstract要約: 本研究では,スペインの不規則形態素パターンの認知的妥当性について検討した。 トランスフォーマーモデルがヒト様の感度をモルフォムに再現できるかどうかを, 従来のヒト研究と同じ分析枠組みを用いて評価した。
• 参考スコア（独自算出の注目度）: 0.8602553195689513
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: This study investigates the cognitive plausibility of the Spanish irregular morphomic pattern by directly comparing transformer-based neural networks to human behavioral data from \citet{Nevins2015TheRA}. Using the same analytical framework as the original human study, we evaluate whether transformer models can replicate human-like sensitivity to a complex linguistic phenomena, the morphome, under controlled input conditions. Our experiments focus on three frequency conditions: natural, low-frequency, and high-frequency distributions of verbs exhibiting irregular morphomic patterns. While the models outperformed humans in stem and suffix accuracy, a clear divergence emerged in response preferences. Unlike humans, who consistently favored natural responses across all test items, models' preferred irregular responses and were influenced by the proportion of irregular verbs in their training data. Additionally, models trained on the natural and low-frequency distributions, but not the high-frequency distribution, were sensitive to the phonological similarity between test items and real Spanish L-shaped verbs.
• Abstract（参考訳）: 本研究では, トランスフォーマー型ニューラルネットワークとヒト行動データを直接比較することにより, スペインの不規則な形態素パターンの認知的妥当性について検討した。 そこで本研究では, トランスフォーマーモデルを用いて, 制御された入力条件下での複雑な言語現象, 形態素に対して, 人間の様の感度を再現できるかどうかを評価する。 実験では,不規則な形態素パターンを示す動詞の自然分布,低頻度分布,高周波分布の3つの周波数条件に着目した。 モデルでは、幹細胞と接尾辞の精度で人間よりも優れていたが、反応の選好において明らかな相違が現れた。 すべての試験項目の自然な反応を常に好んでいた人間とは異なり、モデルの好む不規則な反応はトレーニングデータにおける不規則な動詞の割合に影響された。 さらに, 自然分布と低周波分布を訓練したモデルは, 高周波分布ではなく, テスト項目と実際のスペイン語L字動詞の音韻的類似性に敏感であった。

関連論文リスト

• Frequency matters: Modeling irregular morphological patterns in Spanish with Transformers [0.8602553195689513]
  我々はスペイン語の動詞パラダイムに注目し、ある動詞は不規則なL字型パターンに従う。 変圧器モデルにおける正規パターンと不規則パターンの取得における入力周波数の役割について検討する。
  論文  参考訳（メタデータ） (2024-10-28T13:36:46Z)
• Agentivit\`a e telicit\`a in GilBERTo: implicazioni cognitive [77.71680953280436]
  本研究の目的は,トランスフォーマーに基づくニューラルネットワークモデルが語彙意味論を推論するかどうかを検討することである。 考慮される意味的性質は、テリシティ(定性とも組み合わされる)と作用性である。
  論文  参考訳（メタデータ） (2023-07-06T10:52:22Z)
• How do we get there? Evaluating transformer neural networks as cognitive models for English past tense inflection [0.0]
  私たちは、このタスクの振る舞いを調べるために、異なる設定のトランスフォーマーモデルセットをトレーニングします。 モデルの性能はタイプ周波数と比に大きく影響されるが、トークン周波数と比には影響しない。 変圧器モデルは動詞の規則性の抽象的なカテゴリについてある程度の学習レベルを示すが、その性能は人間のデータによく適合しない。
  論文  参考訳（メタデータ） (2022-10-17T15:13:35Z)
• Naturalistic Causal Probing for Morpho-Syntax [76.83735391276547]
  スペインにおける実世界のデータに対する入力レベルの介入に対する自然主義的戦略を提案する。 提案手法を用いて,共同設立者から文章中の形態・症状の特徴を抽出する。 本研究では,事前学習したモデルから抽出した文脈化表現に対する性別と数字の因果効果を解析するために,本手法を適用した。
  論文  参考訳（メタデータ） (2022-05-14T11:47:58Z)
• Self-Normalized Importance Sampling for Neural Language Modeling [97.96857871187052]
  本研究では, 自己正規化重要度サンプリングを提案し, これまでの研究と比較すると, 本研究で考慮された基準は自己正規化されており, さらに修正を行う必要はない。 提案する自己正規化重要度サンプリングは,研究指向と生産指向の両方の自動音声認識タスクにおいて競合することを示す。
  論文  参考訳（メタデータ） (2021-11-11T16:57:53Z)
• Empowering Language Understanding with Counterfactual Reasoning [141.48592718583245]
  本稿では,反現実的思考を模倣した反現実的推論モデルを提案する。 特に,各実例に対して代表的対実サンプルを生成する生成モジュールを考案し,その対実サンプルと実例サンプルを比較してモデル予測を振り返るレトロスペクティブモジュールを考案した。
  論文  参考訳（メタデータ） (2021-06-06T06:36:52Z)
• Unnatural Language Inference [48.45003475966808]
  我々は、RoBERTaやBARTのような最先端のNLIモデルは、ランダムに並べ替えられた単語の例に不変であり、時にはよりよく機能することさえあります。 我々の発見は、自然言語理解モデルと、その進捗を測定するために使われるタスクが、本当に人間のような構文理解を必要とするという考えに疑問を投げかけている。
  論文  参考訳（メタデータ） (2020-12-30T20:40:48Z)
• Mechanisms for Handling Nested Dependencies in Neural-Network Language Models and Humans [75.15855405318855]
  我々は,「深層学習」手法で訓練された現代人工ニューラルネットワークが,人間の文処理の中心的な側面を模倣するかどうかを検討した。 ネットワークは、大きなコーパスで次の単語を予測するためにのみ訓練されたが、分析の結果、局所的および長距離の構文合意をうまく処理する特別なユニットが出現した。 我々は,複数の名詞の単数/複数状態における体系的な変化を伴う文中の数一致の違反を人間が検出する行動実験において,モデルの予測を検証した。
  論文  参考訳（メタデータ） (2020-06-19T12:00:05Z)
• Do Neural Models Learn Systematicity of Monotonicity Inference in Natural Language? [41.649440404203595]
  本稿では,ニューラルネットワークが自然言語の単調推論の体系性を学習できるかどうかを評価する手法を提案する。 単調性推論の4つの側面を考察し、モデルが異なるトレーニング/テスト分割における語彙的および論理的現象を体系的に解釈できるかどうかを検証する。
  論文  参考訳（メタデータ） (2020-04-30T14:48:39Z)

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。