Syntactic Surprisal From Neural Models Predicts, But Underestimates, Human Processing Difficulty From Syntactic Ambiguities
Syntactic Surprisal From Neural Models Predicts, But Underestimates, Human Processing Difficulty From Syntactic Ambiguities
复制标题
神经模型的句法惊喜预测但低估了句法歧义带来的人类处理难度
DOI：
10.18653/v1/2022.conll-1.20
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
Linzen, Tal
中科院分区：
文献类型：
--
作者：
Arehalli, Suhas;Dillon, Brian;Linzen, Tal
登录
查看更多内容
重新分析和有限修复解析：跨越花园小径
影响因子：
4.3
作者：
Richard L. Lewis
通讯作者：
Richard L. Lewis
组合语法和寄生间隙
DOI：
--
发表时间：
1987
期刊：
影响因子：
--
作者：
Mark Steedman
通讯作者：
Mark Steedman
通过多任务学习探索 RNN 的句法能力
DOI：
--
发表时间：
2017
期刊：
Conference on Computational Natural Language Learning
影响因子：
--
作者：
Émile Enguehard;Yoav Goldberg;Tal Linzen
通讯作者：
Tal Linzen
神经语言模型和人类增量处理的有针对性的评估
DOI：
--
发表时间：
2021
期刊：
Annual Meeting of the Association for Computational Linguistics
影响因子：
--
作者：
Ethan Gotlieb Wilcox;P. Vani;R. Levy
通讯作者：
R. Levy
SPR 大型基准测试显示了令人惊讶的轨道构建 - 但不是项目级别的难度
DOI：
--
发表时间：
2022
期刊：
影响因子：
--
作者：
Kuan;Suhas Arehalli;Mari Kugemoto;Christian Muxica;Grusha Prasad;Brian;Dillon;Tal Linzen
通讯作者：
Tal Linzen