句子理解中的检索模型：基于贝叶斯分层建模的计算评估

关于干扰的研究已提供证据表明，非相邻词之间依存关系的形成依赖于基于线索的检索机制。对于干扰的一个主要预测——即当多个项目共享与检索线索相关的特征时，在检索位置会出现减速——有两种不同的模型可以解释：Lewis 和 Vasishth（2005）的基于激活的模型以及 McElree（2000）的直接访问模型。尽管这两个模型几乎被交替使用，但它们基于不同的假设，并预测了阅读时间与反应准确性之间关系的差异。基于激活的模型遵循 ACT-R 的假设，其检索过程表现为具有单一方差的多证据累积器之间的对数正态竞赛。在该模型下，检索的准确性由竞赛的获胜者决定，而检索时间由其累积速率决定。相比之下，直接访问模型假设了一种记忆模型，其中只有项目间的检索概率存在差异；在该模型中，潜伏期的差异是检索失败及修复错误检索可能性的副产品。我们在贝叶斯分层框架中实现了这两个模型，以便对其进行评估和比较。我们表明，数据的某些方面在直接访问模型下比在基于激活的模型下拟合得更好。我们认为，这一发现并不排除检索可能表现为一种竞赛模型的可能性，其假设与 ACT-R 框架的假设不那么紧密。我们证明，通过对激活模型引入一项修改，即假设错误项目检索的证据累积不仅更慢而且噪声更大（即，正确和错误项目具有不同的方差），该模型可以提供与直接访问模型一样好的拟合。