作为屈折认知模型的神经网络的全面比较
计算与语言
2022-10-25 v1
摘要
神经网络长期以来处于关于人类处理屈折形态学认知机制的争论中心。该争论通过以下问题进入 NLP：神经网络能否对人类在形态屈折中的行为给出可行解释？我们通过度量人类判断与神经网络对未知词屈折概率之间的相关性来回答该问题。我们在两个对认知处理争论重要的任务上测试了比以往研究范围更大的架构：英语过去时与德语数屈折。我们发现证据表明，在这些数据集上 Transformer 可能比 LSTM 更好地解释人类行为，且已知可提高屈折准确率的 LSTM 特征并不总导致更像人类的行为。
引用
@article{arxiv.2210.12321,
title = {A Comprehensive Comparison of Neural Networks as Cognitive Models of Inflection},
author = {Adam Wiemerslage and Shiran Dudy and Katharina Kann},
journal= {arXiv preprint arXiv:2210.12321},
year = {2022}
}