長期以來，認知科學家一直試圖了解是什么讓某些句子比其他句子更難理解。研究人員認為，任何關于語言理解的解釋都將從理解理解困難中獲益。
近年來，研究人員成功開發(fā)了兩種模型，解釋了理解和造句的兩種重要困難類型。雖然這些模型成功地預測了理解困難的特定模式，但它們的預測是有限的，并且與行為實驗的結果不完全匹配。此外，直到最近，研究人員還無法將這兩個模型整合成一個連貫的解釋。
由麻省理工學院腦與認知科學系 (BCS) 的研究人員領導的一項新研究現(xiàn)在為語言理解困難提供了這樣一個統(tǒng)一的解釋。基于機器學習的最新進展，研究人員開發(fā)了一種模型，可以更好地預測個人產生和理解句子的難易程度。他們最近在美國國家科學院院刊上發(fā)表了他們的發(fā)現(xiàn)。
該論文的資深作者是 BCS 教授 Roger Levy 和 Edward (Ted) Gibson。主要作者是 Levy 和 Gibson 以前的訪問學生 Michael Hahn，他現(xiàn)在是薩爾州大學的教授。第二作者是 Richard Futrell，他是 Levy 和 Gibson 的另一位前學生，現(xiàn)在是加州大學歐文分校的教授。
吉布森說：“這不僅是現(xiàn)有理解困難解釋的放大版本。”“我們提供了一種新的基礎理論方法，可以進行更好的預測。”
研究人員在現(xiàn)有的兩個模型的基礎上創(chuàng)建了一個統(tǒng)一的理解難度理論解釋。這些較舊的模型中的每一個都確定了導致理解受挫的明顯罪魁禍首：期望困難和記憶檢索困難。當一個句子不容易讓我們預測它即將到來的單詞時，我們會遇到困難。當我們很難跟蹤一個具有復雜嵌入子句結構的句子時，我們會遇到記憶檢索困難，例如：“律師不信任的醫(yī)生惹惱了病人這一事實令人驚訝。”
標簽：
免責聲明：本文由用戶上傳，如有侵權請聯(lián)系刪除！