每当读者或听者单独或在对话或文本的上下文中处理语言话语时,就会发生句子处理。许多关于人类语言理解过程的研究都集中在阅读没有上下文的单个话语(句子)。广泛的研究表明,语言理解受到给定话语之前的上下文以及许多其他因素的影响。
实验研究产生了大量关于句子理解的结构和机制的假设。模块化与交互式处理以及分析的串行与并行计算等问题已成为该领域的理论分歧。
建筑问题
模块化与交互式
句子处理的模块化视图假设句子处理中涉及的每个因素都在其自己的模块中计算,该模块与其他模块的通信方式有限。例如,句法分析的创建无需来自语义分析或上下文相关信息的输入,这些信息是单独处理的。模块化帐户的一个常见假设是前馈在这种架构中,一个处理步骤的输出被传递到下一个步骤,而没有反馈机制,可以纠正xxx个模块的输出。句法处理通常被认为是最基本的分析步骤,它提供给语义处理和其他信息的包含。一个单独的心理模块解析句子,词汇访问首先发生。然后,一次一个句法假设。没有意义或语义的初始影响。句子处理由时间前额网络支持。在网络中,时间区域服务于识别方面,正面区域服务于句法和语义关系的构建。
互动账户假设所有可用信息都在同一时间处理,可以立即影响最终分析的计算。在句子处理的交互模型中,没有单独的解析模块。词法访问、句法结构赋值和意义赋值同时发生。一次可以考虑几个句法假设。交互模型展示了句子处理的结构、词汇和语音级别之间的在线交互。在正常话语的上下文中听到的每个词都会立即进入所有描述级别的处理系统,并根据每个级别在该点上可用的任何信息同时在所有这些级别上进行分析句子的处理。语言处理的交互模型假设信息自下而上和自上而下流动,因此在每个级别形成的表示可能会受到更高和更低级别的影响。一个称为交互式激活框架的框架将这一关键假设嵌入其中,包括来自不同来源的影响非线性组合的假设。非线性意味着在某些情况下可能具有决定性作用的信息在其他情况下可能影响很小或没有影响。在交互式激活框架中,指导处理的知识存储在相同和相邻级别的单元之间的连接中。它们连接的处理单元可以接收来自许多不同来源的输入,这允许指导处理的知识完全是本地的,同时允许一个级别的处理结果影响其他级别的处理,包括上层和下层。该框架的一个基本假设是处理交互总是互惠的。正是这种双向特性使系统具有交互性。水平之间的双向兴奋性相互作用允许相邻水平之间相互同时约束,水平内的双向抑制相互作用允许输入的一部分的相互不兼容的解释之间的竞争。在相互兼容的处理单元之间的双向兴奋性连接中,模型中捕获了级间兴奋性相互作用。句法歧义实际上是基于词汇层面的。此外,最近对更灵敏的机器的研究显示了早期的背景效应。频率和上下文信息将调节替代方案的激活,即使它们被解决以支持简单解释。结构简单与频率共存,与花园路径理论背道而驰
串行与并行
串行帐户假设人类一开始只构建一种可能的解释,只有在xxx种结果证明是错误的情况下才尝试另一种解释。平行帐户假定同时构建多种解释。为了解释为什么理解者通常只知道对他们听到的内容的一种可能的分析,模型可以假设所有分析都有排名,并且排名最高的分析受到欢迎。
句子处理的模型
有许多具有影响力的人类句子处理模型,它们利用了不同的架构选择组合。
花园路径模型
花园路径模型(frazier1987)是一个串行模块化解析模型。它建议由一个句法模块构建单个解析。上下文和语义因素会影响后期的处理,并可能导致对句法解析的重新分析。重新分析成本高昂,并导致阅读速度明显减慢。当解析器遇到歧义时,它遵循两个原则:延迟关闭和最小附件。该模型得到了对早期左前负性的研究的支持,这是一种与事件相关的电位,通常作为对短语结构违规的反应而引出。
延迟结束会导致新词或短语附加到当前子句。例如,“约翰说他昨天离开”将被解析为约翰说(他昨天会离开),而不是约翰昨天说(他会离开)(即,他昨天说)。
最小依附是一种简约策略:解析器尽可能构建最简单的句法结构(即具有最少短语节点的句法结构)。
基于约束的模型
基于约束的语言理解理论强调人们如何利用语言信号中可用的大量概率信息。通过统计学习,可以选择语言环境中事件的频率和分布,从而为语言理解提供信息。因此,通过快速整合这些概率约束,语言用户在理解一个歧义句子的过程中,会得到一种特定的解释。
足够好的理论
足够好的语言理解方法,由fernandaferreira开发和其他人,假设听者并不总是对语言输入进行全面详细的处理。相反,该系统在遇到某些困难时倾向于发展浅薄和肤浅的表征。该理论采用的方法在某种程度上结合了花园路径模型和基于约束的模型。该理论侧重于两个主要问题。首先是由复杂或困难的材料形成的表征通常是肤浅和不完整的。二是在理解系统遇到困难的情况下,往往会参考有限的信息来源。可以使用各种心理语言学实验来测试该理论,这些实验涉及花园小径误解等。
行为任务
在行为研究中,受试者经常被呈现语言刺激并被要求执行一个动作。例如,他们可能会被要求对一个词做出判断(词汇决定)、再现刺激或大声说出视觉呈现的单词。速度(通常是反应时间:对刺激做出反应所用的时间)和准确性(正确反应的比例)是行为任务中常用的表现衡量标准。研究人员推断,任务所需的潜在过程的性质会导致差异;这些任务的较慢速度和较低准确度被视为增加难度的措施。任何行为任务的一个重要组成部分是它对“正常”语言理解保持相对真实——当任务与人们实际接触语言的方式几乎没有共同之处时,概括任何任务结果的能力就会受到限制。
一个常见的行为范式涉及启动效应,其中首先向参与者呈现素数,然后是词。目标词的响应时间受素数和目标之间关系的影响。例如,fischler(1977)使用词汇决策任务研究了单词编码。她要求参与者决定两串字母是否是英语单词。有时字符串是需要“是”响应的实际英语单词,有时它们是需要“否”响应的非单词。合法词的一个子集在语义上是相关的(例如,cat-dog),而其他的则是不相关的(例如,bread-stem)。fischler发现,与不相关的词对相比,相关词对的响应速度更快,这表明语义相关性可以促进词的编码。
眼动
眼动追踪已被用于研究在线语言处理。这种方法在告知阅读知识方面具有影响力。此外,tanenhaus等人。(1995)建立了视觉世界范式,它利用眼球运动来研究在线口语处理。该研究领域利用了眼球运动与当前关注焦点密切相关的关联假设。
神经影像学和诱发电位
非侵入性技术的兴起为检查语言理解的大脑基础提供了无数机会。常见的例子包括正电子发射(pet)、功能磁共振成像(fi)、脑电图(eeg)和脑磁图(meg)中的事件相关电位(erp)以及经颅磁刺激(tms)。这些技术的空间和时间分辨率各不相同(fmri的分辨率为每像素几千个神经元,而erp的精度为毫秒),并且每种类型的方法在研究语言理解中的特定问题时都有一组优点和缺点。
计算建模
计算建模是另一种探索语言理解的方法。模型,例如在神经网络中实例化的模型,特别有用,因为它们要求理论家在他们的假设中是明确的,并且因为它们可用于为理论模型生成准确的预测,这些理论模型非常复杂,以至于使散漫分析变得不可靠。语言研究中计算建模的一个经典例子是mcclelland和elman的语音感知trace模型。可以在hale(2011)的“理性”广义左角解析器中找到句子处理模型。该模型推导出花园路径效应以及局部连贯性现象。计算建模还有助于将句子处理与语言的其他功能联系起来。例如,句子处理中的erp效应模型(例如n400和p600)认为,这些现象产生于支持语言习得和语言适应的学习过程。
内容由匿名用户提供,本内容不代表vibaike.com立场,内容投诉举报请联系vibaike.com客服。如若转载,请注明出处:https://vibaike.com/128757/