메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
서혜진 (동국대학교) 신정아 (동국대학교)
저널정보
한국영어학회 영어학 영어학 Volume.20
발행연도
2020.3
수록면
881 - 903 (23page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
This study examined whether the predictability is associated with the behavioral reaction times in sentence processing. The information complexity measures have been proposed to quantify the predictability for word-by-word human sentence processing. The most traditional information complexity measure is known as surprisal, which calculates relative unexpectedness at each word in a sentence (Hale 2001, Levy 2005, 2008). The most traditional information complexity measure is known as surprisal, which calculates relative unexpectedness at each word in a sentence (Hale 2001, Levy 2005, 2008), and some studies suggested that surprisal and reading times are positively correlated (Monsalve, Frank and Vigliocco 2012, Smith and Levy 2013). In order to calculate surprisal, the previous studies used one of two ways: Corpus based language models and deep learning based language models. This study, however, used both of them to analyze human reading times, comparing surprisal calculated from corpus-based language models with that calculated from deep-learning-based language models. Many studies partially investigated either of them. In this study, human reading times were analyzed by comparing surprisal calculated from corpus-based language models with that calculated from deep-learning-based language models. The results showed that surprisal calculated from corpus-based language models is more suitable to explain the behavioral reaction time data. Although the deep learning technology performs very well in the field of natural language processing, it does not seem to be human-like processing. Nonetheless, this study can contribute to the development of deep learning technology as well as computational psycholinguistic research in that it tried to compare the outcomes of corpus and deep learning technology with human behavioral responses.
#predictabililty #surprisal #corpus-based language model #deep-learning-based language model

목차

1. 서론
2. 이론적 배경
3. 연구 방법
4. 연구 결과
5. 논의 및 결론
References

참고문헌 (48)

참고문헌 신청
신정아 / 2019 / 혼합효과모형(Mixed-Effects Model)을 이용한 실험언어학 데이터 분석 방법 고찰: 자기조절읽기 실험 데이터를 중심으로 / 영어학 19(1):76~94 dbpia Altmann, G. T. / 1999 / Incremental interpretation at verbs : Restricting the domain of subsequent reference / Cognition 73(3):247~264 google schola Baayen, R. H. / 2008 / Mixed-effects modeling with crossed random effects for subjects and items / Journal of Memory and Language 59(4):390~412 google schola Barrett, M. / 2015 / The dundee treebank / The 14th International Workshop on Treebanks and Linguistic Theories (TLT 14). google schola Marcus, M. / 1993 / Building a large annotated corpus of English : The Penn Treebank / Computational Linguistics 19:313~330 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

딥러닝을 이용한 셰익스피어 작품의 감정 분석
서혜진 ,  이종현 ,  신정아 영어학 2019 .12
딥러닝 모델(BERT)과 감정 어휘 사전을 결합한 음원 가사 감정 분석
윤경섭 ,  오종민 한국컴퓨터정보학회 학술발표논문집 2022 .07
인공지능 글쓰기와 소설의 미래 － 박금산 장편소설 『AI가 쓴 소설』을 중심으로
정재훈 비평문학 2023 .12
An Experimental Investigation of Discourse Expectations in Neural Language Models
Eunkyung Yi ,  Hyowon Cho ,  Sanghoun Song 영어학 2022 .01
2022학년도 수능영어의 체감 난이도 상승 요인에 관한 코퍼스 기반 분석
한지수 ,  이영희 영어학 2022 .01

최근 본 자료

전체보기

댓글(0)

0