面向人类语言理解中不确定性的集合卡尔曼滤波方法
计算与语言
2025-05-06 v1 应用统计
机器学习
摘要
人工神经网络（ANN）广泛用于句子加工建模，但通常表现出确定性行为，这与人类在歧义或意外输入时处理不确定性的句子理解过程形成对比。反转异常——即具有意外角色反转、挑战句法和语义的句子——凸显了传统ANN模型（如句子格式塔（SG）模型）的局限性。为解决这些局限，我们提出了一种用于句子理解的贝叶斯框架，应用集合卡尔曼滤波（EnKF）的扩展进行贝叶斯推断以量化不确定性。通过将语言理解构建为贝叶斯逆问题，该方法增强了SG模型在不确定性表征方面反映人类句子加工的能力。数值实验及与最大似然估计（MLE）的比较表明，贝叶斯方法改善了不确定性表征，使模型在处理语言歧义时能更好地逼近人类认知加工过程。
引用
@article{arxiv.2505.02590,
title = {Ensemble Kalman filter for uncertainty in human language comprehension},
author = {Diksha Bhandari and Alessandro Lopopolo and Milena Rabovsky and Sebastian Reich},
journal= {arXiv preprint arXiv:2505.02590},
year = {2025}
}