特征丰富的多重词法网络揭示早期语言学习的心理策略
计算与语言
2022-01-14 v1 社会与信息网络
摘要
人类心智中的知识呈现出二重性的向量/网络本质。将词建模为向量是自然语言处理的关键，而词关联网络可映射语义记忆的本质。我们通过引入特征丰富的多重词法（FERMULEX）网络，调和了这些分散于语言学、心理学与计算机科学中的范式。该新框架融合了网络中的结构相似性与词的向量特征，二者可组合或独立探索。相似性对知识在语义/句法/音系方面的异质词关联建模。词被 enriched 以多维特征嵌入，包括词频、习得年龄、长度与多义性。这些方面实现了对认知史无前例的探索。通过CHILDES数据，我们使用FERMULEX网络建模1000名18至30个月幼儿的规范性语言习得。相似性与嵌入通过一致性捕获词同配性，后者通过距离与特征度量同类混合。一致性发掘出一个由频繁/多义/短名词与动词构成的语言核，其对基本句子产出至关重要，支持了近期关于儿童句法结构在30个月浮现的证据。该核在网络核检测与纯特征聚类中均不可见：它源自词的向量/网络二重本质。我们的定量分析揭示了早期词学习中的两种关键策略。将词习得建模为FERMULEX拓扑上的随机游走，我们突出了交际发展量表（CDIs）的非均匀填充。基于一致性的游走者对CDIs中早期词学习给出了准确（75%）、精确（55%）与部分良好回忆（34%）的预测，为先前实证发现与发展理论提供了定量支持。
引用
@article{arxiv.2201.05061,
title = {Feature-rich multiplex lexical networks reveal mental strategies of early language learning},
author = {Salvatore Citraro and Michael S. Vitevitch and Massimo Stella and Giulio Rossetti},
journal= {arXiv preprint arXiv:2201.05061},
year = {2022}
}