一个国际研究团队正在利用计算机科学来探索儿童语言发展中词义的知识基础以及跨语言词义的演变。通过他们开发的计算框架，研究人员展示了如何利用儿童语言创新模式来预测语言进化模式，反之亦然。

多伦多大学计算机科学研究人员杨旭与西班牙庞培法布拉大学和ICREA计算语言学和认知科学研究人员的跨学科研究成果最近发表在《科学》杂志上。

在论文中，该团队研究了所谓的词义延伸，即创造性地使用已知词来表达新的含义。

该论文的资深作者、该大学计算机科学系副教授徐说，这项研究的目的是研究如何在一个统一的框架中理解在儿童和成人语言使用者中观察到的这种人类词汇创造力。大学学院文理学院和认知科学项目。

“人类词汇创造力的一个常见策略是用我们知道的单词来表达新的东西，这样我们就可以节省创造新单词的精力。我们的论文提供了在不同时间尺度、跨人群和个体内部观察到的词义扩展的各种过程的统一视图。”

徐补充说，词义的延伸经常在语言的历史变化或演变中观察到。例如，英语中的“mouse”一词最初指的是一种啮齿动物，但现在也指一种计算机设备。

另一方面，早在两岁的儿童中就观察到词义延伸。例如，孩子们有时会用“球”这个词来指代“气球”，大概是因为他们还没有掌握正确的词来描述后一个物体，所以他们会过度扩展已知的词来表达他们想说的内容。

“在这项研究中，我们询问词义扩展的过程是否在两个截然不同的时间尺度上，在语言进化中，它发生了数百年或数千年，以及在儿童语言发展中，通常发生在几个月或几年的时间里，彼此之间有一些共同点，”徐说。“我们的假设是这些过程基本上是相同的。

“我们确实发现这些流程背后有一个统一的基础。在语言进化和语言发展中，词义扩展的基础是共享的知识类型。”

为了检验他们的假设并找出语言学习和语言进化的产物之间的共同点，该团队建立了一个计算模型，该模型将成对的含义或概念作为输入，例如“球”与“气球”、“门”与“门”“钥匙”或“火”与“火焰”，并预测这些概念在同一个词下共同表达的可能性有多大。

徐说，在构建模型时，研究人员构建了一个知识库，帮助识别概念之间的相似关系，因为他们“相信这是使人们在词义扩展中关联意义的关键”。

知识库由基于人类经验的四种主要知识类型组成：视觉感知、联想知识、分类知识和情感知识。如果概念对在其中一种或某些知识类型中被测量为相似，则它们得分较高。

“像‘球’和‘气球’这样的概念组合会因为视觉上的相似性而得分很高，而‘钥匙’和‘门’会得分很高，因为它们在主题上相关或在日常场景中经常同时出现，”徐解释说。“相反，对于像‘水’和‘铅笔’这样的一对概念，它们在四种知识类型中的任何一个中都没有什么相似性，因此这对概念会得到较低的分数。因此，该模型将预测它们不能或不太可能相互扩展。”

Xu指出，该团队发现所有四种知识类型都有助于词义扩展，并且与依赖较少或单独知识类型的替代模型相比，包含这些类型的模型往往能更好地预测数据。

“这一发现告诉我们，词义延伸依赖于基于人们的感知、情感和常识知识的多方面和扎根的知识，”他说。

该模型专门根据儿童的词义扩展数据构建，可以成功地预测语言演化过程中的词义扩展模式，并且在语言演化数据的训练下还可以对儿童的过度扩展进行反向预测。

“这种交叉预测分析表明，儿童的词义扩展和语言进化的产物之间存在共享的知识类型，尽管它们发生在非常不同的时间尺度上。这些过程都依赖于共同的核心知识基础——这些发现共同帮助我们以统一的方式理解词义扩展，”徐说。

徐强调，现有的儿童过度延伸研究通常在发展心理学的背景下讨论，而历史中的词义延伸通常在历史和计算语言学中讨论，因此该项目旨在在两个研究领域之间建立更紧密的联系。

研究人员希望额外的计算模型能够揭示其他潜在的探究线索，包括词义历史演变中发挥作用的基本机制和儿童发展中词义的出现，以及不同语义知识类型的起源以及它们是如何获得的。

版权说明：本站所有作品图文均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系我们

标签：