English Island Constraints Revisited: Experimental vs. Deep Learning Approach

이용훈

추천

검색

자료유형: 학술저널

저자정보: 이용훈 (충남대학교)

저널정보: 한국영어학학회 영어학연구 영어학연구 제27권 제3호

발행연도: 2021.12

수록면: 21 - 45 (25page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

This paper examined English island constraints with a deep learning model and compared the analysis results with those of Lee and Park (2018). This paper adopted the BERTLARGE model which was pretrained with the CoLA dataset. The dataset which was used in the current study were composed of 480 sentences. Among them, 80 sentences came from the target sentences in Lee and Park (2018), and 400 sentences from the CoLA dataset. These 480 sentences were used as an input to the BERTLARGE model, and the acceptability scores were calculated. Unlike previous deep learning models for syntactic acceptability, however, this paper calculated the probability where the given sentence could be acceptable, and the probability was converted into the acceptability scores. After the acceptability scores were obtained for all the target sentences, they were normalized into the z-scores. Statistical analyses were applied to them to compare the results of the BERTLARGE model and the experimental results in Lee and Park (2018). As a result, it was found that the results of the BERTLARGE model showed patterns similar to those in Sprouse et al. (2012) and Lee and Park (2018). Through the analysis, the followings were observed: (i) deep learning models could represent human beings’ syntactic acceptability to a considerable extends, (ii) the BERTLARGE model clearly identified the English island constraints, and (iii) both main factors (Island and Location) and their interaction (Island:Location) influenced the acceptability scores of island sentences.

#island constraint #experimental #deep learning #BERTLARGE #CoLA

참고문헌 (36)

참고문헌 신청

Annamoradnejad, I. / 2020 / ColBERT : Using BERT Sentence Embedding for Humor Detection / arXiv preprint arXiv:2004.12765

Bard, E. / 1996 / Magnitude Estimation of Linguistic Acceptability / Language 72:32~68

Barr, D. / 2013 / Random Effects Structure for Confirmatory Hypothesis Testing / Journal of Memory and Language 68:255~278

Charniak, E. / 2000 / BLLIP 1987-89 WSJ Corpus Release 1 LDC2000T43 / Linguistic Data Consortium

Chomsky, N. / 1973 / A Festschrift for Morris Halle / Holt, Rinehart and Winston :232~286

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

이용훈

소속기관 충남대학교

주요연구분야 인문학 > 어문학 > 영어와문학

논문수 5 이용수 10

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (36)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)