浅层与深层语言理解的信息论模型

心理语言学领域大量研究聚焦于在线语言理解可能为浅层或“足够好”的假设：在时间或可用计算资源受限的情况下，理解者可能形成不准确但符合情境的输入解释。然而，这一想法尚未与计算资源约束下的形式计算理论相结合。本文运用信息论，构建语言理解模型，将其形式化为准确性与处理深度之间的最优权衡，后者以从输入中提取的信息位数衡量，该信息量随处理时间增长。该模型将处理 effort 定义为处理深度变化，链接至EEG信号与阅读时间。我们针对大规模园径句子阅读时间数据集和包含N400、P600及双相ERPs效应的EEG实验验证了该理论。通过量化语言处理从浅层向深层推进的时序，本模型提供了统一框架，解释语言理解的行为与神经信号。