[論文レビュー] Cognitive modelling with multilayer networks: Insights, advancements and future challenges

Massimo Stella, Salvatore Citraro+4 more|arXiv (Cornell University)|Oct 2, 2022

Cognitive Science and Mapping被引用数 5

ひとこと要約

本論文は、意味的、音韻的、文法的語 associations を統合した単一の数学的構造として、認知的多層ネットワークを提案する。これは、精神語彙を定量化可能で解釈可能かつ人間中心のフレームワークを提供する。複数の層を統合することで、単一層ネットワークでは検出できない心理的現象、例えばマルチプレックス耐性性や多層コミュニティ構造が明らかになり、語彙処理および知識表現に関する新たな知見が得られる。

ABSTRACT

The mental lexicon is a complex cognitive system representing information about the words/concepts that one knows. Decades of psychological experiments have shown that conceptual associations across multiple, interactive cognitive levels can greatly influence word acquisition, storage, and processing. How can semantic, phonological, syntactic, and other types of conceptual associations be mapped within a coherent mathematical framework to study how the mental lexicon works? We here review cognitive multilayer networks as a promising quantitative and interpretative framework for investigating the mental lexicon. Cognitive multilayer networks can map multiple types of information at once, thus capturing how different layers of associations might co-exist within the mental lexicon and influence cognitive processing. This review starts with a gentle introduction to the structure and formalism of multilayer networks. We then discuss quantitative mechanisms of psychological phenomena that could not be observed in single-layer networks and were only unveiled by combining multiple layers of the lexicon: (i) multiplex viability highlights language kernels and facilitative effects of knowledge processing in healthy and clinical populations; (ii) multilayer community detection enables contextual meaning reconstruction depending on psycholinguistic features; (iii) layer analysis can mediate latent interactions of mediation, suppression and facilitation for lexical access. By outlining novel quantitative perspectives where multilayer networks can shed light on cognitive knowledge representations, also in next-generation brain/mind models, we discuss key limitations and promising directions for cutting-edge future research.

研究の動機と目的

• 複数の種類の認知的関連性を同時に捉えることのできる統一的で定量化可能な精神語彙モデルのフレームワークを構築すること。
• 人間の認知における複雑で相互作用的な知識構造を表現する上で、単一層ネットワークの限界を克服すること。
• 語のアクセス、語の想起、意味的クラスタリングといった心理的現象が、複数の関連性層の相互作用によってのみ生じることを可能にする、それらの現象の研究を可能にすること。
• 認知モデリングと脳ネットワーク科学を結びつけるために、精神語彙表現と神経基盤を結ぶ多層フレームワークを提唱すること。
• 認知科学および心理言語学におけるブラックボックスAIモデルの代替として、人間中心的で解釈可能な代替手段を提供すること。

提案手法

• 異なる認知的層（例：意味的、音韻的、文法的）を別々のが接続されたネットワーク層として表す多層ネットワーク形式を用いる。
• マルチプレックス耐性性分析を用いて、語のネットワークがどれほど劣化から保護されているかを特定し、特に臨床的集団における語彙処理の促進効果を評価する。
• 多層コミュニティ検出を用いて、心理言語学的規範と多層接続のショートカットによって形作られる概念のテーマクラスタを同定する。
• 層間相関分析を用いて、語関連性および想起における音韻的類似性と意味的類似性の相互作用をモデル化する。
• ヴォン・ノイマンエントロピー最大化といった情報理論的ツールを統合し、不要な層を特定し、適切な場合にはネットワーク構造を圧縮する。
• 今後の方向性として、認知的多層ネットワークと脳ネットワークモデルの統合を提唱し、精神的表現と神経基盤を結ぶ。

実験結果

リサーチクエスチョン

• RQ1 意味的、音韻的、文法的語関連性といった複数の種類の語関連性を、一つの認知的フレームワーク内でどのように統合的にモデル化できるか。
• RQ2 複数の関連性層が統合された場合にのみ現れる心理的現象は何か。それらは単一層モデルでは見えない。
• RQ3 層間の相互作用（例：促進、抑制）が、健常者および臨床的集団における語のアクセスと処理にどのように影響するか。
• RQ4 多層ネットワーク構造は、心理言語学的特徴に基づいて文脈的意味の再構築をどのように明らかにできるか。
• RQ5 認知的多層ネットワークを脳ネットワークアーキテクチャと結びつける可能性は何か。これにより、心と脳のインターフェースをモデル化できるか。

主な発見

• マルチプレックス耐性性分析により、創造性が低い人や失語症を呈する人々の語ネットワークが、複数の関連性層のおかげで劣化から保護されていることが判明。これは語彙処理におけるレジリエンス機構を示している。
• 多層コミュニティ検出により、多層ショートカットによって結ばれた概念のテーマクラスタが成功裏に同定され、心理言語学的規範が複数の層にまたがる概念のグループ化を形作っていることが示された。
• 層間相関分析により、音韻的類似性と意味的類似性の間の相互作用メカニズムが明らかになり、これらの関連性が語の想起および処理効率に共同で影響していることが示された。
• 情報理論的分析としてヴォン・ノイマンエントロピー最大化を用いた分析により、意味的、文法的、音韻的層に非可逆的なパターンが特定され、これらの層が語彙ネットワーク内で別個で非重複的な接続構造を捉えていることが示された。
• 本研究では、認知的多層ネットワークが、単一層モデルよりも語の混同性、絵の名前をつける、記憶想起のパターンといった現象をより正確にモデル化できることを示した。
• このフレームワークは、今後の認知的ネットワークモデルと脳ネットワークモデルの統合の基盤を提供し、概念的表現が脳にどのように保存されているかを定量化的に理解する道筋を示している。