[论文解读] 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 5

一句话总结

本文提出认知多层网络作为一种定量、可解释且以人为本的框架，通过将语义、语音和句法等多种词语关联整合到单一数学结构中，来建模心理词典。研究证明，通过组合多层网络可揭示单层网络无法检测到的心理学现象，如多层网络的稳健性与多层社区结构，从而为词汇处理与知识表征提供新见解。

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.

研究动机与目标

• 开发一个统一的定量框架，用于同时捕捉多种类型认知关联的心理词典建模。
• 解决单层网络在表征人类认知中复杂、交互式知识结构方面的局限性。
• 实现对仅在多层关联交互中显现的心理学现象（如词汇检索、词语提取和语义聚类）的研究。
• 通过提出连接心理词典表征与神经基质的多层框架，弥合认知建模与脑网络科学之间的鸿沟。
• 为认知科学与心理语言学中的黑箱人工智能模型提供一种以人为本且可解释的替代方案。

提出的方法

• 采用多层网络形式化方法，将不同认知层（如语义、语音、句法）表示为相互关联但独立的网络层。
• 运用多层网络稳健性分析，识别在词汇处理中具有抗退化能力的词语网络，尤其在临床人群中表现出促进效应。
• 应用多层社区检测方法，揭示由心理语言学规范和多层连接捷径塑造的概念主题聚类。
• 利用层间相关性分析，建模语音与语义相似性在词语关联与提取中的交互效应。
• 整合信息论工具（如冯·诺依曼熵最大化），以检测冗余层，并在适当情况下压缩网络结构。
• 提出未来将认知多层网络与脑网络模型结合，以连接心理表征与神经基质。

实验结果

研究问题

• RQ1 如何在一个统一的认知框架中联合建模多种类型的词语关联（语义、语音、句法）？
• RQ2 当多种关联层组合时，哪些心理学现象才会显现，而这些现象在单层模型中是隐藏的？
• RQ3 层间交互（如促进、抑制）在健康人群与临床人群中如何影响词汇访问与处理？
• RQ4 多层网络结构如何通过心理语言学特征揭示语境意义的重构？
• RQ5 认知多层网络与脑网络架构之间存在何种潜在联系，可用于建模心智-大脑接口？

主要发现

• 多层网络稳健性分析表明，创造力较低或患有失语症的个体，其词语网络因多层关联的存在而免受退化影响，表明词汇处理中存在一种韧性机制。
• 多层社区检测成功识别出由多层捷径连接的概念主题聚类，证明心理语言学规范在多层结构中塑造了概念分组。
• 层间相关性分析揭示了语音与语义相似性之间的交互机制，表明这些关联共同影响词语提取与处理效率。
• 通过冯·诺依曼熵最大化进行的信息论分析，识别出语义、句法与语音层中的不可约模式，表明这些层捕捉了在连接结构上互不冗余的特征。
• 本研究证明，认知多层网络能够比单层模型更准确地模拟词语混淆性、图片命名与记忆回忆模式等现象。
• 该框架为未来认知与脑网络模型的整合奠定了基础，为实现对概念表征在大脑中存储机制的定量理解提供了路径。