Ресурсно рационален модел на човешка обработка на рекурсивна езикова структура, част 3

Експеримент 2: Ефект на семантичните знаци

След това репликирахме експеримент 1 върху втори набор от елементи и едновременно тествахме прогнозирания ефект на семантичната съвместимост.

Семантичната съвместимост се отнася до разбирането и овладяването от хората на съвместимостта и взаимовръзките между различните единици в езика, думите или символите. Паметта се отнася до способността на хората да запомнят и съхраняват информация.

Съществува тясна връзка между семантичната съвместимост и паметта. Добрата семантична съвместимост може да подобри качеството на паметта на хората, докато лошата семантична съвместимост ще възпрепятства разбирането на информацията от хората и ефектите върху паметта.

Първо, семантичната съвместимост може да подобри уместността на информацията, като по този начин помага на хората да разбират и запомнят по-добре информацията. Ако има очевидна корелация между различни единици, хората могат да използват тази корелация, за да изградят връзки между информацията и да образуват мрежова структура между информацията. Тази мрежова структура може да подобри ефекта на паметта на информацията и да подобри способността на хората да съхраняват информация.

Второ, добрата семантична съвместимост може да подобри разбираемостта на информацията, като я улесни за запомняне от хората. Ако има очевидна връзка на съвместимост между информацията, хората могат лесно да разберат връзката между информацията, като по този начин формират разбиране и памет за информацията. Напротив, ако има очевидна несъвместимост между информацията, хората ще се почувстват объркани и объркани и трудно ще разберат и запомнят информацията.

И накрая, лошата семантична съвместимост може да повлияе неблагоприятно на паметта на хората. Ако има твърде голяма разлика между различните единици, ще бъде трудно за хората да разберат и запомнят информацията, като по този начин се губи стойността на паметта. Следователно, в процеса на писане и разпространение на информация, семантичната съвместимост трябва да се поддържа колкото е възможно повече, за да се подобри разбирането и паметта на хората.

В обобщение, има силна връзка между семантичната съвместимост и паметта. Добрата семантична съвместимост може да подобри уместността и разбираемостта на информацията, като по този начин подобрява способността на хората за съхранение на информация и ефекта на паметта. Следователно в ежедневния живот и работа семантичната съвместимост трябва да се поддържа колкото е възможно повече, за да се подобри разбирането и паметта на информацията. Вижда се, че трябва да подобрим паметта и Cistanche deserticola може значително да подобри паметта, тъй като Cistanche deserticola е традиционен китайски лекарствен материал, който има много уникални ефекти, един от които е да подобрява паметта. Ефикасността на мляното месо идва от различните активни съставки, които съдържа, включително киселина, полизахариди, флавоноиди и др. Тези съставки могат да насърчат здравето на мозъка по различни начини.

Щракнете върху познайте добавките за подобряване на паметта

Отвъд двете манипулации от експеримент 1, в условията ДВЕ и ТРИ, ние допълнително променихме предпоследната глаголна фраза: В условието СЪВМЕСТИМО, първото съществително беше правдоподобен субект (напр. „раздразни пациента“); в условието НЕСЪВМЕСТИМО не е било (напр. „излекувал пациента“). При условието СЪВМЕСТИМО, недостоверните версии като „докладът от...“ трябва да имат по-висока априорна вероятност, правейки прогноза за последния глагол по-малко точен. Конструирахме 42 елемента за стимули.

Фиг. 3B показва прогнози от ресурсно-рационалния модел и предишни теории за тези елементи. В допълнение към ефектите от експеримент 1, моделът предвижда по-висока трудност при условие СЪВМЕСТИМО, особено в рамките на ТРИ. Нито теорията на изненадите, нито DLT предвиждат някакъв ефект от съвместимостта.

Събрахме данни за времето за четене от 200 участници, включително както СЪВМЕСТИМИ, така и НЕСЪВМЕСТИМИ варианти в условията ДВЕ и ТРИ. Във всички останали аспекти експериментът и анализът на данните са идентични с експеримент 1. Времената на отчитане са показани на Фиг. 3B.

Резултатите от експеримент 1 бяха повторени: Първо, времето за четене беше по-високо при ТРИ, отколкото при ДВЕ (= 0.29, 95% CrI [0.24, 0.35], P( < 0) ​​< 0.0001; времена за четене на ефекта: 337 ms, 95% CrI [267, 411] ms).

Второ, имаше взаимодействие между отклонението при вграждане и наличието на клауза „това“ (=−0.06, 95% CrI [−0).1{ {9}}, −0,024], P( > 0)=0,0007). Както в експеримент 1, ефектът от отклонението при вграждане беше положителен при ЕДНО условие (разлика между "факт" и "доклад": 193 ms, 95% CrI [37, 357] ms) и отрицателен при ДВЕ и ТРИТЕ условия (разлика между " факт" и "отчет": −105 ms, 95% CrI [−194, −18]ms).

Трето, в съгласие с прогнозите на модела, времената за четене бяха по-високи в СЪВМЕСТИМО състояние отколкото в НЕСЪВМЕСТИМО условие ( {{0}}.083, 95% CrI [0.031, 0.136 ],P( < 0)=0.0014; ефект при необработени времена на четене: 96 ms, 95% CrI[36, 156] ms). Вижте Приложението SI, раздел S3 за допълнителни анализи.

Обърнете внимание, че ефектите от отклонението на вграждането и съвместимостта са числено по-големи при ТРИТЕ условия, отколкото при ДВЕ условия; мета-анализ показва, че тези разлики са статистически значими както във времената на четене, така и в части от пространството на параметрите на модела (SI Приложение, раздели S2.1 и S6.6).

Числените разлики в наклона на отклонението при вграждане между СЪВМЕСТИМО и НЕСЪВМЕСТИМО не са статистически значими (Приложение SI, Фиг. S23), нито числени разлики в пресечната точка на прогнозите на модела между двата експеримента (Приложение SI, Фиг. S6).

Вижте Приложението SI, раздел S6 за сближаващи се доказателства от предходни изследвания на времето за четене (общо n=501). По-нататък повторихме ефекта от вграждането на отклонение върху разбирането в две проучвания за рейтинг (общо n=335; SI Приложение, раздел S5).

Експеримент 3: Проучване на производството

Досега сме потвърдили прогнозите на модела във времената на четене. Трудността, измерена във времената на четене, показва, че очакванията на хората са нарушени, но не показва директно какви са очакванията на хората.

За да осигурим втори тест за човешките очаквания, ние се обърнахме към производствена парадигма - Cloze completion (40,41) - която е използвана в езиковите изследвания, за да се оцени какви думи се очакват непосредствено след преамбюла. Използваме този метод, за да оценим сложността на многовложените структури и да измерим колко глагола хората очакват след сложен преамбюл.*

Помолихме участниците да попълнят контекста на формуляра „Докладът, че лекарят, който дипломатът...“ до пълно изречение. Очаквахме участниците или да създадат граматически допълнения с три глагола, като например „...недоверен излекуван пациентът беше изненадващо" или неграматични версии с по-малко глаголи, като например "...недоверен беше изненадващо." Resource-rational losty-contextsurprisal прогнозира, че процентът на такива неграматични довършвания трябва да бъде по-нисък за съществителни с висока степен на вграждане (напр. "факт"), тъй като те улесняват възстановяването на истинския контекст от несъвършени представяния на паметта (фиг. 4A). Съществуващите модели, базирани на очаквания и базирани на памет, не предвиждат, че степента на граматически довършвания зависи от пристрастието на вграждане.

Набрахме 80 участници. Фигура 4 показва процента на непълните завършвания (по-малко от три глагола) като функция на пристрастието на вграждане. Както беше предвидено, имаше ефект от пристрастия към вграждане върху процента на неграматични отговори (=−0.32, 95% CrI[−0.60, −0.05 ], P( > 0)=0.0123) в логистичен анализ на смесени ефекти от изпитване по изпитване.

Повторихме това проучване на още два езика (испански и немски), включително един (немски), където трудността на централните вграждания е значително по-слаба, отколкото на английски (42).

На испански се насочихме към субектни относителни изречения (el hechode que el director que, „фактът, че режисьорът, който“), за да избегнем по-малко естествените субект–начален обект относителни изречения, като същевременно тестваме обобщението към различна синтактична конфигурация. На немски се насочихме към вградени структури (напр. Klaus hat erzahlt, ¨dass die Behauptung, dass der Student, den der Professor, „Клаус каза, че твърдението, че студентът е професор“), тъй като е известно, че увеличават трудността до нива, по-близки до английски (35).

Набрахме 60 участници на всеки език. И на двата езика ефектът от степента на вграждане беше оценен като отрицателен, с изчислени размери на ефекта, сравними с резултата на английски (испански:=−0).23, 95% CrI [−{{7 }}.34, −0.12], P( > 0)< 0.0003; German: β = −0.28, 95% CrI [−0.56, −0.03], P(β > 0) = 0.01738). These results suggest that the-previously undocumented-effect of embedding bias on human expectations holds across different languages, even when they vary in the overall difficulty of center embeddings.

Дискусия

Ние въведохме модел на обработка на човешки език като ресурсно-рационално предсказание, мащабирано до произволен вход, използвайки съвременни методи за машинно обучение. С цел да съчетае въз основа на паметта и очакванията перспективи за човешката синтактична обработка, моделът не само възстановява прогнозите на тези предишни теории, когато те са правилни, но също така прогнозира недокументирани преди това взаимодействия между ограниченията на паметта и вероятностните очаквания, които потвърдихме в три поведенчески експеримента, изследващи човешката обработка на рекурсивни структури.

Нашите резултати разкриват, че добре документираната трудност при интегрирането на дълги езикови зависимости, която е в основата на съществуващите базирани на памет модели (5, 7, 36), е значително модулирана от вероятностни очаквания: Сравнението между ЕДНО и ТРИ условия показва, че такива Ефектите на локалността могат да бъдат отслабени или дори обърнати, когато нелокалната синтактична структура има висока априорна вероятност, прогноза, която естествено отпада от предложеното ни обединяване на перспективи, базирани на паметта и очакванията.

Нашата работа допълнително документира три видни семейства от ефекти от психолингвистичната литература в един експеримент и с един модел: ефекти на локалността (повишена трудност на ТРИ), ефекти на предсказуемост (ефект на вграждане на отклонение в ЕДНО условие) и ефекти на семантична интерференция (ефект на семантична съвместимост ).

Има значителен интерес към единно теоретично третиране на тези групи от ефекти; нашата работа показва как един модел може да опише в детайли как те си взаимодействат. Една група явления, които не са насочени от нашите експерименти, е интерференция, базирана на подобие (43, 44). Проучването дали може да бъде отчетено и с тази рамка за моделиране е интересен проблем за бъдещи изследвания.

Нашият ресурсно-рационален модел е формално свързан с модели в различни области. Класическата работа показва, че рационалният анализ на вероятностите за задържане може да отчете фундаменталните свойства на човешката памет (28, 29). Скорошна работа (45–48) формализира рационални модели на човешката работна памет в някои области, като например визуална работна памет, използвайки теория за скорост-изкривяване, информационно-теоретична рамка, извличаща висококачествено кодиране при ограничения на ресурсите.

Ключовата разлика между теорията за скорост-изкривяване и нашия модел е, че мярката за икономия е частта от наличните думи тук, докато това е броят на кодираните битове в теорията за скорост-изкривяването. Приложена към разбирането на изречението, теорията за скорост-изкривяване би довела до напълно компресирани "основни" представяния на минал контекст. Такива напълно компресирани представяния не водят до моделите на трудност, наблюдавани в нашите експерименти (вижте SI Приложение, раздел S8 за подробности).

От друга страна, нашият модел също е опростяване, тъй като моделира скорошния контекст като последователност от думи, което може да подценява ролята на представянето на паметта на по-дългия контекст, където отделните думи може да са били забравени, но паметта за значението остава. Допълнителен напредък в машината обучението може да позволи извеждане на по-сложен формат на представяне на паметта от ресурсно-рационална оптимизация.

В компютърните науки рекурсивната структура обикновено се обработва с помощта на стекови структури от данни. Съответно ранните модели на човешка синтактична обработка приемат граници за размера на стека или броя на възлите, които могат да се държат в паметта по едно и също време (2, 24).

Такива модели предвиждат, че по-дълбокото вграждане е по-трудно, но не предвиждат, че трудността се модулира от статистически или семантични знаци. За разлика от базираните на стекове архитектури, нашата теория приписва основна роля на вероятностните знаци при установяването на рекурсивна структура. В това отношение той е съгласен с по-новите теории, базирани на паметта, приемащи, че хората не поддържат структури от данни като стекове, а вместо това установяват синтактични структури, използвайки асоциативно извличане, базирано на знаци (5, 7, 49, 50). Модели на асоциативно извличане както се прилага в момента (7), не отчитат отличителните модели на трудност, предвидени от нашия модел и наблюдавани в нашите експерименти. Независимо от това, ние считаме нашата теория за съвместима с идеите от тази литература.

Нашата теория предоставя модел на изчислително ниво, който прави прогнозите съвместими със съществуващите модели, базирани на паметта, но - за разлика от тези модели - е рационално настроен към богатата статистическа структура на езика, което му позволява да предвиди как ограниченията на паметта взаимодействат с вероятностните очаквания. Нашите резултати предполагат, че идентифицирането на вероятностни версии на модели за асоциативно извличане, като реализации на ниво алгоритми на ресурсно-рационалния модел, описан тук, е интересен проблем за психолингвистичните изследвания. Вижте SI Приложение, раздел S7.2 за повече относно последиците от нашите резултати за модели на памет, базирани на извличане.

Предложеното от нас обединяване на базирани на очаквания и базирани на памет модели се основава на идеята, че несъвършените представяния на работната памет се реконструират рационално - макар и понякога неправилно - като се използват познания за статистиката на езика. Тази идея има важен прецедент в работата по рединтеграция във вербалната работна памет ( напр. справки 51–55), процес, при който влошената краткосрочна памет се възстановява с помощта на знания от дългосрочната памет. Това е приложено към паметта за списъци с думи (напр. справка 52–55) и, по-скоро, памет за синтактични модели (56). Нашият модел предоставя описание на такива процеси, основани на байесовски изводи, ограничени от рационалността на ресурсите. Има и модели, при които работната памет се третира не като компонент на самата памет, а като произтичаща от взаимодействието на обработката и дългосрочната памет (57, 58). За такива модели нашите резултати предоставят данни за това как дългосрочното знание информира обработката .

Нашите експерименти се възползват от статистическите корелати на синтактичните структури, за да изследват как вероятностните очаквания взаимодействат с ограниченията на паметта. Това има някои паралели в предишна работа върху модели, базирани на очаквания, които показаха как корелациите, като например между анимация и относителен тип клауза, въздействат върху обработката по начини, които не се отчитат от съществуващите акаунти, базирани на памет (напр. справки 59–61). Нашата работа разширява тази линия на работа чрез артикулиране на внедрена теория за взаимодействието между ограниченията на паметта и вероятностните очаквания.

Нашият модел има свободен параметър δ, среден брой запазени думи. Приехме една единствена стойност при извличането на прогнози и сравняването им с времето за четене от хора. Напасването му за отделни субекти и разбирането на връзката му с установените мерки за индивидуални различия е интересен проблем за бъдещи изследвания.

Конекционистките модели на човешка синтактична обработка (8, 62–64) имат за цел да опишат човешката обработка, използвайки очаквания, извлечени от представяния на невронни мрежи, и са предложени като модели на ефекти, свързани както с ограничения на паметта, така и с вероятностни очаквания. Въпреки това, разликите между обикновената изненада, изчислена от GPT-2, и ресурсно-рационалните изненади със загуба на контекст показват, че ограниченията на човешките памети не трябва да се появяват автоматично в моделите на свързване.

Ние показахме как модел на ресурсно рационална езикова обработка може да бъде мащабиран до богатата статистическа структура на естествения език. Нашият метод, базиран на машинно обучение, може да отвори вратата за монтиране на сложни рационални модели върху естествени входящи статистики, а също и в други области на човешкото познание.

Обобщеността на нашия модел също предполага, че подобни явления могат да съществуват извън езика: всеки път, когато хората обработват въведени данни, които са твърде сложни, за да могат всички негови части да бъдат разгледани едновременно, обработката трябва да бъде повлияна от статистическата структура на подобни входни данни.

Материали и методи

Съществителни имена. Събрахме съществителни, които могат да приемат изреченско допълнение, използвайки Penn Treebank (65), English Web Treebank (66), AnCoRA treebank (67) на испански и HDT Treebank (68) на немски. Ние изчислихме пристрастията към вграждане на вероятността в дневника „СЪЩИТИТЕЛНОТО“ да е последвано от „това“, използвайки английска Уикипедия (2,3 милиарда думи), немска Уикипедия (800 милиона думи) и испанска Уикипедия (500 милиона думи). Вижте Приложението на SI, раздел S11 за подробности. Ние потвърдихме оценките на английски с помощта на два други големи корпуса на американски и британски английски (Приложение SI, раздел S10.1).

Модел. Ресурсно-рационалната загуба на контекстна изненада се дефинира от семейство вероятности за задържане θ={qw, i: i, w}, където w обхваща думи и i=1, ..., N, където N=20 е максималната разглеждана дължина на контекста, достатъчно дълга, за да побере всички контексти, появяващи се в експериментите. Ние параметризираме qw, I използвайки невронна мрежа, която комбинира идентичността на минала дума и броя на намесените думи, за да изведе задържане вероятност (SI Приложение, раздел S1.1). Моделът θ поражда вероятността p(c|c) и по този начин задната p(c|c). Избрано е, за да се минимизира средната изненада на следващата дума за получената задна дума p(w|c):

Експериментална настройка за изследване на времето за четене. За всички проучвания експерименталният протокол беше одобрен от Институционалния съвет за преглед на Станфордския университет. Беше получено информирано съгласие от всички участници.

На всеки участник бяха представени 10 критични изпитания. И в двата експеримента две изпитвания бяха в ЕДНО, а четири опита бяха в ДВЕ и ТРИ всяко. В експеримент 2, половината от ДВЕ и ТРИ опита бяха всяко в СЪВМЕСТИМО (НЕСЪВМЕСТИМО) състояние. Избрахме малък брой критични опити, за да сведем до минимум всеки ефект от статистическата адаптация към вграждането на центъра по време на задачата.

За да увеличим максимално статистическата прецизност, ние избрахме 15 съществителни с много високо отклонение на вграждане и 15 съществителни с много ниско отклонение на вграждане (SI Приложение, Фиг. S36). За всеки участник взехме извадка от пет съществителни с високо отклонение на вграждането и пет съществителни с ниска стойност и ги съпоставихме с 10-те критични опита. За всеки участник също взехме проби от 30 пълнителя от набор от 56 пълнителя от предишно проучване на времето за четене на централни вграждания (42).

За да премахнем семантичните аномалии, дължащи се на нарушения на презумпцията (напр. „фактът е грешен“), ние класифицирахме съществителните на включващи (напр. „факт“), невключващи неутрални (напр. „иск“) и невключващи отрицателни (напр. „ обвинение") съществителни и класифицирани елементи за съвместимост с всеки от тези три класа (SI приложение, раздел S11). За всеки участник съпоставихме 10-те съществителни със семантично съвместими елементи.

За задачата с лабиринта генерирахме дистрактори автоматично (39), използвайки езиковия модел Gulordava (69): тези дистрактори имат изключително ниска контекстуална вероятност, докато съпоставят с целевата дума по честота и дължина. Дистракторите бяха съпоставени при различни условия, с изключение на второто до -последната глаголна фраза в (НЕ)СЪВМЕСТИМИТЕ условия в експеримент 2. По-специално, дистракторите бяха съпоставени по критичната дума във всички условия.

Когато участниците направиха грешка (т.е. избраха дистрактора), те бяха подканени да опитат отново текущата дума (70). Времената за реакция при такива опити бяха изключени; този избор не повлия на заключенията (Приложение SI, раздел S3.6).

За всеки субект опитите бяха представени в произволен ред, така че да няма две съседни критични изпитвания. Участниците, наети на академичната платформа Prolific, взеха средно 13 минути и получиха £2,20 (≈3 USD).

Анализ на данни за времето за четене. Изключихме опити 1) с неправилен отговор, 2) от участници, които са направили грешки при повече от 20% от думите и 3) под или над 99% от всички времена за четене. Вижте Приложението SI, раздел S3.6 за устойчивост на условие 1 и вижте Приложението SI, раздел S3.7 за устойчивост на условие 3. След това анализирахме логаритмично трансформирани времена за четене на окончателните байесови модели със смесени ефекти, внедрени в Stan (71) използване на рамена (72). Вижте Приложението към SI, раздел S3.3 за предишни избори и устойчивост на предишни избори. Използвахме контрастно кодиране с наличието на клауза „това“ (ЕДНО срещу ДВЕ/ТРИ), дълбочина (ДВЕ срещу ТРИ) и манипулиране на съвместимостта (СЪВМЕСТИМО срещу НЕСЪВМЕСТИМО) като контрасти. Пристрастието при вграждане беше центрирано и всички непразни бинарни взаимодействия бяха добавени като фиксирани ефекти (Приложение SI, раздел S3.2).

Включихме структурата на максималните произволни ефекти, оправдана от експерименталния дизайн, въвеждане на елементи, съществителни имена и участници като произволни ефекти. За да оценим ефектите в необработените времена на четене (милисекунди), първо изчислихме предвиденото време за четене, преобразувано в логаритмичен файл, и в двете условия (напр. СЪВМЕСТИМО и НЕСЪВМЕСТИМО), след което трансформирахме и двете в милисекунди чрез степенуване и изчислихме разликата (вижте SI Приложение, раздел S3.4 за повече подробности). На Фиг. 3 начертаваме задната средна стойност на прогнозираното време за четене при всички условия за съществителни с отклонение на вграждане, съответстващи на "факт" или "доклад". Лентите за грешки представляват задната SD.

Подробности за проучване на производството. Конструирахме 28 елемента от формата "The XXXthat the diplomat who the senator" и избрахме 12 съществителни, по 6 всяко с много високо или много ниско отклонение на вграждане. За всеки участник сдвоихме на случаен принцип елементи и съществителни. 12-те критични изпитвания бяха представени в произволен ред с 27 пълнителя. Alinguist отбеляза ръчно, за всяко предоставено завършване, дали е създаден правилният брой глаголни фрази (три). Анотаторът беше сляп за идентичността на съществителното.

На испански и немски език избрахме 20 съществителни с много високо или много ниско вграждане на пристрастия във всеки език, като взехме извадка от 6 високи и 6 ниски вградени пристрастия за всеки участник. Както и в английската версия, съпоставихме на случаен принцип 12 елемента с 12 извадки от съществителни за всеки участник. Филърите са преведени от английския експеримент.

На немски ние допълнително изградихме 12 матрични изречения (напр. „Клаус каза, че“) и ги съпоставихме на случаен принцип с елементи и съществителни за всеки участник. Проведохме байесов анализ на логистични смесени ефекти проба по проба с пристрастие на вграждане като фиксиран ефект и произволни ефекти на съществителни имена, предмети, участници и (на немски) матрични изречения. Вижте SI Приложение, раздел S4 за подробности.

Наличност на данни, материали и софтуер. Подходящи вероятности за задържане и моделни прогнози са депозирани в Zenodo (https://zenodo.org/record/6602698) (73), (https://zenodo.org/record/6988696) (74). Анонимизирани времена за четене, данни за езикова продукция и изходен код са депозирани в GitLab (https://gitlab.com/m-hahn/resource-rational-surprisal) (75).

БЛАГОДАРНОСТИ. Благодарим на редактора и рецензентите за тяхната конструктивна обратна връзка, която помогна за подобряването на ръкописа. Също така сме благодарни на Джудит Деген, Тивалайо Ейсапе, Хайлин Хао, Дженифър Ху, Дан Джурафски, ПенгКиан, Кори Шейн, Шраван Васишт, Том Уасоу, Итън Уилкокс и публиката на Конференцията на CUNY за обработка на изречения 2020 за полезна дискусия и обратна връзка.

справка

1. Н. Чомски, Синтактични структури (Mouton, Хага, 1957).

2. GA Miller, N. Chomsky, "Finitary models of language users" в Handbook of MathematicalPsychology, RD Luce, RR Bush, G. Galanter, Eds. (Джон Уайли, 1963), стр. 269–321.

3. Л. Фрейзър, „Синтактична сложност“ в разбор на естествен език: Психологически, изчислителни и теоретични перспективи, Д. Р. Даути, Л. Картунен, А. М. Цвики, изд. (Cambridge University Press, NewYork, 1985), стр. 129–189.
4. Е. Гибсън, Езикова сложност: Локалност на синтактичните зависимости. Познание 68, 1–76 (1998).

5. B. McElree, S. Foraker, L. Dyer, Структури на паметта, които подчиняват разбирането на изречението.J. Mem.Lang. 48, 67–91 (2003).

6. W. Tabor, B. Galantucci, DC Richardson, Ефекти на просто локална синтактична съгласуваност върху обработката на изреченията.J. Мем. Ланг. 50, 355–370 (2004).

7. RL Lewis, S. Vasishth, Базиран на активиране модел на обработка на изречения като квалифицирано извличане на паметта.Cogn. Sci. 29, 375–419 (2005).

8. MH Christiansen, MC MacDonald, Подход, базиран на употреба, към рекурсия при обработка на изречения.Lang. Уча. 59, 126–161 (2009).

9. J. Hale, (2001) „Вероятностен ранен анализатор като психолингвистичен модел“ в Доклади на втората среща на Северноамериканския клон на Асоциацията за компютърна лингвистика, NAACL 2001, L. Левин, К. Найт, изд. (Асоциация за компютърна лингвистика, Страудсбърг, Пенсилвания), стр. 1–8.

10. Р. Леви, Синтактично разбиране, базирано на очакване. Познание 106, 1126–1177 (2008).

11. K. Rayner, AD Well, Ефекти от контекстуално ограничение върху движенията на очите при четене: Допълнително изследване. Психон. Бик. Rev. 3, 504–509 (1996).

12. A. Staub, Ефектът на лексикалната предсказуемост върху движенията на очите при четене: Критичен преглед и теоретична интерпретация.Lang. езиковед. Компас 9, 311–327 (2015).

For more information:1950477648nn@gmail.com