清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

Predicting Age of Acquisition for Children's Early Vocabulary in Five Languages Using Language Model Surprisal

可预测性 具体性 购置年龄 词汇 计算机科学 按频率列出的单词列表 词(群论) 名词 语言学 自然语言处理 人工智能 心理学 认知心理学 认知 判决 数学 统计 神经科学 哲学
作者
Eva Portelance,Yuguang Duan,Michael C. Frank,Gary Lupyan
出处
期刊:Cognitive Science [Wiley]
卷期号:47 (9)
标识
DOI:10.1111/cogs.13334
摘要

What makes a word easy to learn? Early-learned words are frequent and tend to name concrete referents. But words typically do not occur in isolation. Some words are predictable from their contexts; others are less so. Here, we investigate whether predictability relates to when children start producing different words (age of acquisition; AoA). We operationalized predictability in terms of a word's surprisal in child-directed speech, computed using n-gram and long-short-term-memory (LSTM) language models. Predictability derived from LSTMs was generally a better predictor than predictability derived from n-gram models. Across five languages, average surprisal was positively correlated with the AoA of predicates and function words but not nouns. Controlling for concreteness and word frequency, more predictable predicates and function words were learned earlier. Differences in predictability between languages were associated with cross-linguistic differences in AoA: the same word (when it was a predicate) was produced earlier in languages where the word was more predictable.

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
elsa622完成签到 ,获得积分10
3秒前
134345发布了新的文献求助10
5秒前
cdercder应助hblanx采纳,获得30
12秒前
feng完成签到,获得积分10
17秒前
26秒前
科研通AI6.2应助重重重飞采纳,获得10
28秒前
甜美的觅荷完成签到,获得积分10
34秒前
46秒前
迷人的焦完成签到 ,获得积分10
49秒前
51秒前
柳贯一应助科研通管家采纳,获得10
1分钟前
柳贯一应助科研通管家采纳,获得10
1分钟前
1分钟前
羽毛完成签到 ,获得积分10
1分钟前
贪玩的网络完成签到 ,获得积分10
1分钟前
默默问芙完成签到,获得积分10
1分钟前
glzhou1975完成签到 ,获得积分10
1分钟前
花誓lydia完成签到 ,获得积分10
1分钟前
1分钟前
一盏壶完成签到,获得积分10
1分钟前
1分钟前
喜乐完成签到 ,获得积分10
1分钟前
1分钟前
1分钟前
1分钟前
一盏壶发布了新的文献求助10
2分钟前
爆米花应助wj采纳,获得10
2分钟前
哎呀哎呀呀完成签到,获得积分10
2分钟前
姚芭蕉完成签到 ,获得积分0
2分钟前
微笑代荷完成签到 ,获得积分10
2分钟前
sandyleung完成签到 ,获得积分10
2分钟前
elisaw完成签到 ,获得积分10
2分钟前
fluttershy完成签到 ,获得积分10
2分钟前
2分钟前
ChatGPT发布了新的文献求助10
2分钟前
长安的荔枝完成签到 ,获得积分10
2分钟前
Re完成签到 ,获得积分10
2分钟前
ChatGPT发布了新的文献求助10
2分钟前
北枳完成签到,获得积分10
2分钟前
2分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Cronologia da história de Macau 5000
Petrology and Plate Tectonics 800
Prompt Engineering for Clinicians: Harnessing AI in Everyday Medical Practice 600
Electrode Potentials 550
Handbook Of Synthetic Methodologies And Protocols Of Nanomaterials 500
Trees of tropical Asia : an illustrated guide to diversity 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 工程类 有机化学 化学工程 生物化学 计算机科学 内科学 物理 复合材料 催化作用 细胞生物学 光电子学 物理化学 电极 基因 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 6988467
求助须知:如何正确求助?哪些是违规求助? 8665718
关于积分的说明 18371043
捐赠科研通 6457207
什么是DOI,文献DOI怎么找? 3096120
关于科研通互助平台的介绍 2156033
邀请新用户注册赠送积分活动 2072287