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
김유영 (동국대학교) 박명관 (동국대학교)
저널정보
한국중원언어학회 언어학 연구 언어학연구 제64호
발행연도
2022.7
수록면
69 - 91 (23page)
DOI
10.17002/sil..64.202207.69

이용수

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

초록· 키워드

오류제보하기
This study is to compare the GPT-2-based neural-network language model (NLM) and humans in processing sentences with three different types of garden-path structure: NP/S(noun phrase/sentential complement); NP/Z(noun phrase/zero complement); MV/RR(main verb/reduced relative clause). It is to see whether the surprisal values calculated from the GPT-2 NLM display a similar pattern as human reading times in processing the three types of garden-path construction at issue; the surprisal of a sentence-internal word input, measured as the negative log-likelihood of the current observation according to the autoregressive language model, is used as a measure of input difficulty. It is found in this study that like humans, the GPT-2 NLM effectively distinguishes ambiguous from unambiguous sentences in each of them. However, the GPT-2 NLM deviates drastically from humans in recognizing garden-path effects, namely, the magnitude of cognitive load induced by processing a particular type of garden-path structure. Pending further articulations on the parallelism between reading time and surprisal, the GPT-2 NLM as a language learner is yet to attain a human-like ability to discern different types of garden-path structure in a fine-grained way.
#artificial neural-network language model #garden path #humans #language learning #sentence processing

목차

1. 서론
2. 이론적 배경
3. 심리 언어학 반응 시간(reaction time)과 신경망 언어 모델의 서프라이절(surprisal)
4. 실험 방법
5. 실험
6. 논의 및 결론
References

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

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

KoBERT, KoGPT2를 이용한 이전 대화에서 추출한 문장 정보 기반 감성 문장 생성
민경서 ,  최보석 ,  한승진 한국통신학회 학술대회논문집 2022 .06
대규모 언어 모델(LLM)을 위한 AI 윤리 연구: ChatGPT를 중심으로
이여름 한국정보과학회 학술발표논문집 2023 .06
거대 언어 모델과 In-context learning을 이용한 자연어 추론 학습 데이터 자동 생성
조희진 ,  정영준 ,  이창기 외 1명 한국정보과학회 학술발표논문집 2023 .06
자연어 처리 기법을 활용한 판례 기반 모욕성 문장 분석 시스템
김가영 ,  공현정 ,  유석종 한국정보기술학회논문지 2023 .07
인공지능과 심리학 융합교과목이 인문학적 소양 및 융합적 사고력에 미치는 효과
박혜영 ,  이경희 컴퓨터교육학회 논문지 2023 .07

최근 본 자료

전체보기

댓글(0)

0