多层词汇网络揭示儿童早期词汇习得模式
物理与社会
2017-05-30 v2 无序系统与神经网络
计算与语言
机器学习
摘要
语言的网络模型提供了一种将认知过程与语言的结构和连通性联系起来的方法。然而，当前方法的一个不足是每次仅关注一种类型的语言关系，忽略了语言复杂的多关系本质。在本工作中，我们通过将英语学步儿的心理词典建模为多层词汇网络（即一个包含 N=529 个词/节点的多层网络，节点根据四种关系连接：（i）自由联想，（ii）特征共享，（iii）共现，以及（iv）语音相似性）来克服这一局限。我们分析了所得多层网络的拓扑结构，随后评估了单层以及完整多层结构在预测英语学步儿经验观察到的词汇习得年龄数据方面的能力。我们发现，涌现的多层网络拓扑是习得认知过程的重要代理，能够捕捉涌现的词典结构。事实上，我们表明多层拓扑在预测词汇习得顺序方面比单个层具有根本性的更强能力。此外，多层分析允许对早期学习者词汇习得的不同阶段进行量化：最初所有多层网络层都对词汇学习有贡献，而在大约 23 个月之后，自由联想在驱动词汇习得方面占据主导地位。
引用
@article{arxiv.1609.03207,
title = {Multiplex lexical networks reveal patterns in early word acquisition in children},
author = {Massimo Stella and Nicole M. Beckage and Markus Brede},
journal= {arXiv preprint arXiv:1609.03207},
year = {2017}
}
备注
11 pages, 3 figures and 1 table. This paper was published on Scientific Reports: https://www.nature.com/articles/srep46730