神经网络与量词保守性：数据分布是否影响可学习性？
计算与语言
2018-09-18 v1
摘要
所有已知的自然语言限定词都是保守的。心理语言学实验表明，儿童在学习新限定词的任务中表现出相应的可学习性偏向。然而，近期工作表明，在人工神经网络的训练阶段并未观察到这种朝向保守性的偏向。在本工作中，我们研究儿童所表现出的可学习性偏向是否部分源于自然语言中标量词的分布式。我们分享了五个实验的结果，这些实验以训练数据中保守与非保守限定词的分布作为对比。我们证明，非保守量词的学习困难无法由偏向保守量词的自然语言数据分布来解释。这一发现表明，语言习得数据中的偏向可能是先天的或表征性的。
引用
@article{arxiv.1809.05733,
title = {Neural Networks and Quantifier Conservativity: Does Data Distribution Affect Learnability?},
author = {Vishwali Mhasawade and Ildikó Emese Szabó and Melanie Tosik and Sheng-Fu Wang},
journal= {arXiv preprint arXiv:1809.05733},
year = {2018}
}