“Most”的心理语义的神经网络模型
计算与语言
2019-04-08 v1 计算机视觉与模式识别
摘要
语言表达式的意义如何与其在具体认知任务中的使用相关联？视觉识别任务表明，人类说话者在某些量词的认知、表征与验证上可表现出相当大的差异。本文开启了对这些心理语义任务的神经网络模型的探究。我们在 \citet{Pietroski2009} 的“most”验证任务上训练了两类网络——卷积神经网络（CNN）模型与视觉注意的循环模型（RAM），并对视觉场景与任务时长的全新概念进行了操控。我们的结果在性质上反映了人类表现的某些特征（例如对集合大小比的敏感性，表明依赖于近似数量），同时也以有趣的方式存在差异（例如对图像类型效应表现出略有不同的模式）。最后我们讨论了将神经网络模型用作该任务及其他心理语义任务的认知模型的前景。
引用
@article{arxiv.1904.02734,
title = {Neural Models of the Psychosemantics of `Most'},
author = {Lewis O'Sullivan and Shane Steinert-Threlkeld},
journal= {arXiv preprint arXiv:1904.02734},
year = {2019}
}
备注
to appear at 9th Workshop on Cognitive Modeling and Computational Linguistics (CMCL2019)