句法 priming 的层次贝叶斯模型

句法 priming效应表现出三个 well-documented 的经验属性:词汇提升效应、逆频率效应和非对称衰减。在本文中，我们旨在展示这些三个经验现象如何在通用学习框架中得到调和，即层次贝叶斯模型(HBM)。该模型在层次结构的句法统计中表示句法知识，其中较低层次表示动词特定的句法决策偏见，较高层次表示作为动词特定偏见聚合的抽象偏见。该知识通过贝叶斯推理对经验进行更新。在仿真中，我们展示了HBM捕获上述提到的句法 priming的属性。结果表明，通常由残余激活解释的 priming的一些属性也可由隐式学习解释。我们还讨论了该模型对句法 priming词汇基础的意义。