在词典意义的动态神经模型中,语言理解的上下文调制

科学领域:

• 认知科学 认知科学
• 计算神经科学是一种神经科学.
• 心理语言学 心理语言学

背景情况:

• 词汇多重性,即一个单词存在多个相关含义,这对理解单词含义表示提出了挑战.
• 现有的模型往往将单词含义视为离散类别,这可能无法完全捕捉语义解释的动态和上下文依赖性质.

研究的目的:

• 在动态场理论框架内计算实现和实验验证词汇意义的动态神经模型.
• 为了研究多种词语含义的表达,使用英语词汇项"have"作为案例研究.
• 探索语境因素和个体变异如何影响语义解释.

主要方法:

• 开发了一个动态神经模型,其中词汇项目映射到连续的概念维度 (连接性,控制不对称性).
• 模拟词汇知识作为稳定的神经合和含义检索作为暂时状态之间的激活模式动态.
• 进行模拟来预测行为模式,并设计了一项结合自律阅读和可接受性判断的实验,以测试这些预测.

主要成果:

• 该模型成功地捕获了先前观察到的现象:语义解释的上下文调制和这个调制中的个体变化.
• 模拟预测了句子阅读时间和可接受性之间的新型上下文依赖关系,这部分得到了实验数据的支持.
• 结果表明,单词含义不是离散的,而是从连续的语义维度上的动态神经激活状态中出现的.

结论:

• 该研究支持一个动态的,词汇意义的连续视图,挑战多义词的分类表示.
• 拟议的神经模型为理解实时意义检索作为神经动态的新兴特性提供了一个框架.
• 这些发现对现有的动态系统和贝叶斯推理模型来解释词汇语义有优势.