追踪N400背后的词汇和语义预测错误使用句子处理的人工神经网络模型

科学领域:

• 认知神经科学 认知神经科学
• 计算语言学 计算语言学
• 心理语言学 心理语言学

背景情况:

• 与N400事件相关的潜力在语言处理过程中对语义上下文敏感.
• 之前提出的N400模型反映了词汇预测错误 (惊喜) 或语义预测错误.
• 人工神经网络表现出类似于N400的动态,这表明预测性处理.

研究的目的:

• 使用句子格斯塔尔特模型的意义表示更新来建模N400幅度.
• 量化地比较句子格斯塔尔特模型与下一个词的预测 (惊喜) 模型.
• 在自然主义的句子理解过程中调查N400生成的底层子过程.

主要方法:

• 利用在大型文本体上训练的句子姿态模型来预测N400幅度.
• 采用自然主义的句子处理来引起N400的潜力.
• 基于"gestalt更新"的模型预测与来自语言模型的意外估计进行了比较.

主要成果:

• 句子gestalt更新和surprisal都显著预测了N400的幅度.
• 这些发现表明,N400反映了语义和词汇预测方面的方面.
• 该研究提供了神经动力学和计算语言模型之间的定量联系.

结论:

• N400振幅可能来自至少两个不同的,相互作用的子过程.
• 这些子过程可能涉及语义预测错误和词汇预测 (惊喜).
• 这项研究提供了对句子理解神经基础的更细致的理解.