具有先验知识的人工神经网络中屈折形态习得
计算与语言
2019-10-15 v1
摘要
一门语言的形态知识如何影响对第二门语言屈折规则的学习？为在人工神经网络模型中探究此问题，我们使用序列到序列架构进行实验，该架构在八种源语言与三种目标语言的不同组合上训练。对模型输出的详细分析提示如下结论：(i) 若源语言与目标语言亲缘关系近，则模型习得目标语言屈折形态更为容易；(ii) 前缀（相应后缀）语言的知识使得习得后缀（相应前缀）语言的形态更具挑战性；(iii) 令人惊讶的是，具有黏着形态特征的源语言会简化对第二语言屈折形态的习得，且与其亲缘关系无关。
引用
@article{arxiv.1910.05456,
title = {Acquisition of Inflectional Morphology in Artificial Neural Networks With Prior Knowledge},
author = {Katharina Kann},
journal= {arXiv preprint arXiv:1910.05456},
year = {2019}
}
备注
SCiL 2020