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
夏日汽水完成签到 ,获得积分0
3秒前
升级小水桶完成签到 ,获得积分10
5秒前
7秒前
文献博士完成签到 ,获得积分10
8秒前
9秒前
11秒前
pqowzxc完成签到,获得积分10
13秒前
四海亿家发布了新的文献求助10
15秒前
搜集达人应助远山有灯采纳,获得10
19秒前
聪明的二休完成签到,获得积分10
20秒前
猪猪hero应助ccc采纳,获得10
21秒前
无花果应助四海亿家采纳,获得10
21秒前
豆丁完成签到,获得积分10
22秒前
27秒前
深情的羞花完成签到 ,获得积分10
29秒前
皮皮虾完成签到,获得积分10
29秒前
专注灵凡完成签到,获得积分10
31秒前
小卡拉米完成签到 ,获得积分10
31秒前
远山有灯发布了新的文献求助10
32秒前
VDC发布了新的文献求助10
33秒前
六也完成签到,获得积分10
33秒前
火星上的涵易完成签到,获得积分10
34秒前
七子完成签到,获得积分0
35秒前
温暖的颜演完成签到 ,获得积分10
36秒前
zzx396完成签到,获得积分0
37秒前
YBurger完成签到,获得积分10
37秒前
健康的犀牛完成签到,获得积分10
39秒前
阿猫完成签到,获得积分10
39秒前
深情安青应助寒冷冰香采纳,获得10
41秒前
含糊的无声完成签到 ,获得积分10
41秒前
franklylyly完成签到,获得积分10
42秒前
lifeilong111完成签到,获得积分10
43秒前
梨花发布了新的文献求助10
43秒前
凶狠的水桃完成签到,获得积分10
44秒前
44秒前
Fn完成签到 ,获得积分10
45秒前
DrWho1985完成签到,获得积分10
45秒前
Rika_Ran完成签到,获得积分10
45秒前
诚心的小x应助科研通管家采纳,获得50
46秒前
泊远轩应助科研通管家采纳,获得10
46秒前
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
PowerCascade: A Synthetic Dataset for Cascading Failure Analysis in Power Systems 2000
Various Faces of Animal Metaphor in English and Polish 800
Signals, Systems, and Signal Processing 610
Photodetectors: From Ultraviolet to Infrared 500
On the Dragon Seas, a sailor's adventures in the far east 500
Yangtze Reminiscences. Some Notes And Recollections Of Service With The China Navigation Company Ltd., 1925-1939 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 物理 内科学 复合材料 催化作用 物理化学 光电子学 电极 细胞生物学 基因 无机化学
热门帖子
关注 科研通微信公众号,转发送积分 6348431
求助须知:如何正确求助?哪些是违规求助? 8163459
关于积分的说明 17173449
捐赠科研通 5404880
什么是DOI,文献DOI怎么找? 2861802
邀请新用户注册赠送积分活动 1839609
关于科研通互助平台的介绍 1688915