論文の概要: Contextual Semantic Relevance and Word Surprisal Predict N400 and P600 Dynamics During Naturalistic Reading

• arxiv url: http://arxiv.org/abs/2607.04107v2
• Date: Tue, 07 Jul 2026 03:44:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-08 14:37:43.190846
• Title: Contextual Semantic Relevance and Word Surprisal Predict N400 and P600 Dynamics During Naturalistic Reading
• Title（参考訳）: 自然言語読解における文脈意味的関係と単語予備予測N400とP600のダイナミクス
• Authors: Kun Sun, Rong Wang,
• Abstract要約: 本研究は,N400窓とP600窓の文脈意味関係がワードロックされた脳波活動を予測するかどうかを検討した。 文脈意味的関連性は、対象単語が最近の会話文脈と意味的にどれほど強く結びついているかの注意を意識した尺度として計算された。 いずれの予測因子も脳波応答に確実に関連していた。
• 参考スコア（独自算出の注目度）: 23.77480663886995
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Word surprisal is a well-established computational predictor of human neural responses during language comprehension, but it remains less clear whether local semantic fit explains neural response variation beyond lexical expectation during naturalistic reading. Using the Dublin EEG-based Reading Experiment Corpus (DERCo), this study examined whether contextual semantic relevance predicts word-locked EEG activity in the N400 and P600 windows. Contextual semantic relevance was computed as an attention-aware measure of how strongly a target word is semantically connected to its recent discourse context, and it was compared with GPT-based word surprisal. Across 22 participants and 32 EEG channels, we tested both predictors using regression-based ERP analyses and generalized additive mixed models while controlling for lexical variables and repeated observations. Both predictors were reliably associated with EEG responses, but they showed partly different temporal and scalp-level patterns. Surprisal captured expectancy-related variation, whereas contextual semantic relevance showed robust effects across N400- and P600-window mean voltages, with particularly strong explanatory support in the P600 window. Model comparisons indicated that contextual semantic relevance contributed explanatory value beyond lexical controls and surprisal. These findings suggest that naturalistic reading depends on both lexical expectation and local semantic integration, and that contextual semantic relevance offers an interpretable computational link between discourse semantic fit and ERP dynamics.
• Abstract（参考訳）: Word surprisalは、言語理解中の人間の神経反応の、十分に確立された予測因子であるが、局所的な意味的適合が、自然言語読解中の語彙的期待を超えた神経応答の変化を説明するか否かは、まだ明らかではない。 本研究では,Dublin EEGをベースとしたReading Experiment Corpus (DERCo)を用いて,N400窓およびP600窓における単語同期脳波の文脈意味的関連性を予測した。 文脈意味的関連性は,近年の会話文脈と対象単語がどの程度意味的に結びついているか,注意を意識した尺度として計算され,GPTに基づく単語の素性と比較された。 22人の参加者と32人の脳波チャンネルを対象に回帰型ERP分析と一般化した添加混合モデルを用いて,語彙変数と繰り返し観測を制御しながら,予測器を試験した。 いずれの予測因子も脳波応答に確実に関連していた。 一方, 文脈的意味的関連性はN400およびP600ウィンドウの平均電圧に強く影響し, 特にP600ウィンドウでは強い説明的支持が認められた。 モデル比較の結果,文脈意味的関連性は語彙制御や仮定を超えた説明的価値に寄与した。 これらの結果は、自然主義的読解は語彙的期待と局所的意味統合の両方に依存しており、文脈的意味的関連性は、談話意味適合とERPダイナミクスの間の解釈可能な計算リンクを提供することを示している。

関連論文リスト

• Heterogeneous Neural Predictivity from Language Models During Naturalistic Comprehension [0.6331422666055228]
  言語モデル表現は、自然言語刺激の構造化された高次元アノテーションを提供する。 低レベルのベースラインに対する肯定的な保留予測と利得は、ソースレベルの要約に広まっていた。 これらの結果から,言語モデル由来の量によって,自然言語やテキストの理解において,神経活動に注釈を付けることが可能であることが示唆された。
  論文  参考訳（メタデータ） (2026-06-25T11:08:49Z)
• Modeling semantic association in self-paced reading with language model embeddings [1.647226581907515]
  我々は,脳波コーパス(EEG)のセマンティック・アソシエーション(意味的関連)を推定するために,LMの埋め込みを用いて,自然のオランダ語のテキストをセルフペーストで読み取る。 埋め込みモデルの選択は、N400とセルフペースの読書時間の両方に意味的関連が及ぼす推定効果を変化させる可能性がある。
  論文  参考訳（メタデータ） (2026-06-05T09:06:22Z)
• Estimating the strength and timing of syntactic structure building in naturalistic reading [4.261343728593896]
  句構造がカテゴリー検出に先行し,語彙的影響を支配できることを示す。 これらの知見は、理解の予測的「ツリー・スキャフォールディング」を裏付けるものである。
  論文  参考訳（メタデータ） (2025-09-27T08:56:12Z)
• On the Role of Context in Reading Time Prediction [50.87306355705826]
  我々は,リアルタイム言語理解において,読者がコンテキストをどのように統合するかについて,新たな視点を提示する。 提案手法は,言語単位の処理作業が文脈内情報の内容のアフィン関数であることを示す素因的理論に基づいている。
  論文  参考訳（メタデータ） (2024-09-12T15:52:22Z)
• Decomposition of surprisal: Unified computational model of ERP components in language processing [7.760815504640362]
  脳内の人間の言語処理に関する情報理論モデルを構築し、入力された言語入力を最初は浅瀬で処理し、その後はより深く処理する。 単語の文脈における情報内容(副次的)は、(A)単語の浅い処理困難を知らせ、N400信号に対応する浅層代名詞と、(B)浅い表現と深い表現との相違を反映し、P600信号に対応する深部代名詞の2つに分解できることを示す。
  論文  参考訳（メタデータ） (2024-09-10T18:14:02Z)
• A unified information-theoretic model of EEG signatures of human language processing [7.190747604294439]
  脳内の人間の言語処理に関する情報理論モデルを構築し、入力された言語入力を2段階に分けて処理する。 我々は,これらの2種類の情報処理が,言語関連事象関連電位(ERPs)のN400およびP600成分に対応して,脳波の異なる特徴を有することを提案する。 我々の理論は原則として、良質な解釈段階を仮定する伝統的な認知理論と互換性があるが、正確な情報理論の定式化は可能である。
  論文  参考訳（メタデータ） (2022-12-16T00:15:45Z)
• Did the Cat Drink the Coffee? Challenging Transformers with Generalized Event Knowledge [59.22170796793179]
  Transformers Language Models (TLMs) を数学的適合のテクトダイナミックな評価のためのベンチマークで検証した。 以上の結果から, TLM は SDM に匹敵する性能が得られることが示された。 しかし、さらなる分析は、TLMがイベント知識の重要な側面を捉えていないことを一貫して示唆している。
  論文  参考訳（メタデータ） (2021-07-22T20:52:26Z)
• A comprehensive comparative evaluation and analysis of Distributional Semantic Models [61.41800660636555]
  我々は、静的DSMによって生成されたり、BERTによって生成された文脈化されたベクトルを平均化して得られるような、型分布ベクトルの包括的評価を行う。 その結果、予測ベースモデルの優越性は現実よりも明らかであり、ユビキタスではないことが明らかとなった。 我々は認知神経科学からRepresentational similarity Analysis(RSA)の方法論を借りて、分布モデルによって生成された意味空間を検査する。
  論文  参考訳（メタデータ） (2021-05-20T15:18:06Z)

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。