深度指称：互斥性通过神经网络中的学习偏置与语用策略共同产生
计算与语言
2021-04-02 v2
摘要
儿童将新词与新的指称对象关联起来的倾向被认为反映了一种朝向互斥性的偏置。这一倾向作为（1）用于挑出无标签指称对象的临时指称选择启发式，以及作为（2）词汇习得的组织原则，可能都是有利的。本文研究跨情境神经模型在何种情况下能够表现出与儿童类似的行为，重点关注这两种可能性及其相互作用。为此，我们在符号数据上以及首次在大规模图像数据上评估神经网络。我们发现，只要学习和选择中的约束使词在词汇意义上相互竞争，二者都能促进互斥性。对于计算模型，这些发现厘清了可用选项在互斥性有利的任务中提升性能的作用。对于认知研究，它们突出了词学习、指称选择机制和不同复杂度刺激（符号与视觉）结构之间的潜在交互。
引用
@article{arxiv.2004.03902,
title = {Deep daxes: Mutual exclusivity arises through both learning biases and pragmatic strategies in neural networks},
author = {Kristina Gulordava and Thomas Brochhagen and Gemma Boleda},
journal= {arXiv preprint arXiv:2004.03902},
year = {2021}
}