无限不确定性下的词汇学习
物理与社会
2016-03-01 v2 计算与语言
摘要
语言学习者必须学习数以千计的词汇含义,尽管这些词汇出现在复杂的环境中,学习者可能会从中推断出无限多种含义作为该词的真实含义。这种无限指代不确定性问题通常被归功于威拉德·范·奥曼·蒯因。我们对试图在无限指代不确定性下进行学习的理想跨情境学习者给出了数学形式化,并确定了词汇学习成为可能的条件。正如蒯因的直觉所暗示的,只要学习者有某种手段能根据候选词义的合理性对其进行排序,在无限不确定性下的学习实际上是可能的;此外,我们的分析表明,这种排序实际上可以极其微弱,这意味着允许学习者推断候选词义合理性的约束本身也可以是微弱的。这种方法将解释的负担从学习者“智能”的词汇学习约束中转移,并为研究真实词汇学习者在词义推断中微弱、不可靠、概率性的约束提出了一个研究纲领。
引用
@article{arxiv.1412.2487,
title = {Word learning under infinite uncertainty},
author = {Richard A. Blythe and Andrew D. M. Smith and Kenny Smith},
journal= {arXiv preprint arXiv:1412.2487},
year = {2016}
}
备注
30 pages, 4 figures, contains considerable extra discussion and relaxation of original model assumptions. Version to appear in Cognition