論文の概要: Syntactic Belief Update as the Driver of Garden Path Processing Difficulty

• arxiv url: http://arxiv.org/abs/2606.27206v1
• Date: Thu, 25 Jun 2026 16:02:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 18:46:32.339941
• Title: Syntactic Belief Update as the Driver of Garden Path Processing Difficulty
• Title（参考訳）: 庭道処理困難の要因としての統語的信念の更新
• Abstract要約: レキシカル・サプライサル(Lexical surprisal)は、通常、文処理の難しさを非常によく予測する尺度であり、庭の道の文に良い予測を与えることができない。 本稿では,構文木上の確率分布を積極的に予測し,各単語の後にその分布を更新する手法を提案する。 このSyntactic Belief Updateは、ガーデニングパス文の人間の読書時間データによくフィットする。
• 参考スコア（独自算出の注目度）: 3.6158033114580683
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Garden path sentences present a processing difficulty for humans -- the sentence prefix leads the listener towards one interpretation, until the listener hears a critical word that shows that the initial interpretation was wrong. Lexical surprisal, a measure that usually predicts sentence processing difficulty quite well, fails to provide good predictions for garden path sentences. We propose an alternative that actively predicts a probability distribution over syntactic trees (its syntactic belief) and updates that distribution after each new word. If a processor is led down a garden path, syntactic beliefs will be wrong and will require a large update at the critical word. The magnitude of the update is measured with a generalized Rényi divergence. Crucially, this metric is dependent on lexical items, but is fully independent of the probability of lexical items. This Syntactic Belief Update provides a better fit to the human reading time data on garden path sentences. This suggests a new research direction examining purely non-lexical alternatives to surprisal for psycholinguistics.
• Abstract（参考訳）: 庭の道の文は人間の処理の難しさを示しており、文の接頭辞はリスナーを一つの解釈へと導くが、リスナーは最初の解釈が間違っていることを示す重要な単語を聞く。 レキシカル・サプライサル(Lexical surprisal)は、通常、文処理の難しさを非常によく予測する尺度であり、庭の道の文に良い予測を与えることができない。 本稿では,構文木上の確率分布を積極的に予測し,各単語の後にその分布を更新する手法を提案する。 プロセッサがガーデニングパスに導かれた場合、構文的信念は誤りであり、臨界語で大規模な更新が必要になる。 更新の規模は、一般化されたレニイの発散によって測定される。 重要な点として、この計量は語彙項目に依存するが、語彙項目の確率には完全に依存しない。 このSyntactic Belief Updateは、ガーデニングパス文の人間の読書時間データによくフィットする。 これは、純粋に非語彙的な選択肢を精神言語学に当てはめる新しい研究の方向性を示唆している。

関連論文リスト

• Trajectory Dynamics in Language Model Hidden States Predict Human Processing Costs Beyond Surprisal [0.0]
  本稿では,単語レベルの予測誤差(副次的)と展開解釈の局所運動量に対する感度(軌道外挿誤差)が処理コストの解離可能な成分であることを示す。 この効果は特に庭道の文で顕著である。
  論文  参考訳（メタデータ） (2026-06-03T18:44:41Z)
• Revisiting Real-Time Digging-In Effects: No Evidence from NP/Z Garden-Paths [10.217186322563318]
  英語のNP/Z園芸パス文について,Mazeとセルフペースト読解を用いた実験を行った。 リアルタイムな掘り込み効果の証拠は見つからない。
  論文  参考訳（メタデータ） (2026-03-24T18:07:46Z)
• Incremental Comprehension of Garden-Path Sentences by Large Language Models: Semantic Interpretation, Syntactic Re-Analysis, and Attention [11.073959609358088]
  本研究では,4つの大言語モデルを用いて,園芸パス文の処理と誤解釈の運命について検討する。 総合的な目標は、人間とLLMが庭道文の処理に一致しているかどうかを評価することである。 実験により,園芸道文の処理における人間とLLMの連携が期待できることが示された。
  論文  参考訳（メタデータ） (2024-05-25T03:36:13Z)
• Syntactic Language Change in English and German: Metrics, Parsers, and Convergences [56.47832275431858]
  本論文は,過去160年間の議会討論のコーパスを用いて,英語とドイツ語の統語的言語変化のダイアクロニックな傾向を考察する。 私たちは、広く使われているStanford Coreと、新しい4つの選択肢を含む5つの依存関係をベースとしています。 文長分布の尾部では,構文的尺度の変化が頻繁であることが明らかとなった。
  論文  参考訳（メタデータ） (2024-02-18T11:46:16Z)
• Crossing the Threshold: Idiomatic Machine Translation through Retrieval Augmentation and Loss Weighting [66.02718577386426]
  慣用的な翻訳と関連する問題を簡易に評価する。 我々は,変圧器をベースとした機械翻訳モデルが慣用的な翻訳に対して正しくデフォルトとなる点を明らかにするための合成実験を行った。 自然慣用句の翻訳を改善するために, 単純かつ効果的な2つの手法を導入する。
  論文  参考訳（メタデータ） (2023-10-10T23:47:25Z)
• 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)
• Semantic-Preserving Adversarial Text Attacks [85.32186121859321]
  深層モデルの脆弱性を調べるために, Bigram と Unigram を用いた適応的セマンティック保存最適化法 (BU-SPO) を提案する。 提案手法は,既存手法と比較して最小の単語数を変更することで,攻撃成功率とセマンティックス率を最大化する。
  論文  参考訳（メタデータ） (2021-08-23T09:05:18Z)
• Non-Parametric Few-Shot Learning for Word Sense Disambiguation [11.175893018731712]
  MetricWSDは、このデータアンバランス問題を緩和するための非パラメトリックな数ショット学習アプローチです。 MetricWSDは、ある単語の感覚間の距離を計算することを学ぶことで、高周波の単語から頻繁な単語に知識を伝達する。
  論文  参考訳（メタデータ） (2021-04-26T16:08:46Z)
• Narrative Incoherence Detection [76.43894977558811]
  本稿では,文間セマンティック理解のための新たなアリーナとして,物語不整合検出の課題を提案する。 複数文の物語を考えると、物語の流れに意味的な矛盾があるかどうかを決定します。
  論文  参考訳（メタデータ） (2020-12-21T07:18:08Z)
• 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)
• Toward Better Storylines with Sentence-Level Language Models [54.91921545103256]
  本稿では,文章中の次の文を選択する文レベル言語モデルを提案する。 教師なしストーリークローゼタスクにおける最先端の精度によるアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2020-05-11T16:54:19Z)

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。