[论文解读] On the Quantum-like Contextuality of Ambiguous Phrases
本文通过将层析理论与基于默认的上下文性（CbD）框架应用于分布性数据，研究自然语言中模糊短语是否表现出类似量子的上下文性。研究发现，某些模糊短语——如‘adopt boxer’和‘throw pitcher’——在CbD框架下具有概率上下文性，其上下文性度量分别为1/30和7/30，表明语言上下文性可借助量子启发工具进行形式化建模。
Language is contextual as meanings of words are dependent on their contexts. Contextuality is, concomitantly, a well-defined concept in quantum mechanics where it is considered a major resource for quantum computations. We investigate whether natural language exhibits any of the quantum mechanics' contextual features. We show that meaning combinations in ambiguous phrases can be modelled in the sheaf-theoretic framework for quantum contextuality, where they can become possibilistically contextual. Using the framework of Contextuality-by-Default (CbD), we explore the probabilistic variants of these and show that CbD-contextuality is also possible.
研究动机与目标
- 探究自然语言中模糊短语的意义组合是否表现出类似量子的上下文性。
- 利用层析理论框架对语言上下文性进行建模，以实现逻辑（可能性）上下文性的形式化。
- 将分析扩展至基于默认的上下文性（CbD）框架下的概率模型。
- 对来自心理语言学和语料库研究的真实语言数据中的上下文性进行量化。
- 通过参数自助法评估上下文性的稳健性，并探讨其对自然语言处理（NLP）的启示。
提出的方法
- 将层析理论框架应用于建模模糊短语中的意义组合，作为在不同上下文上的经验模型。
- 利用语料库（BNC、Baroni等）和心理语言学研究（Pickering & Frisson, Tanenhaus等）中的分布性数据，提取意义共现频率。
- 将短语层面的意义选择转化为测量上下文上的联合概率分布，将其建模为CbD框架中的经验模型。
- 采用Kujala与Dzhafarov（2016）提出的贝尔型不等式，检验概率系统中的上下文性。
- 使用Dzhafarov等（2020）提出的方法计算上下文性度量，以量化与非上下文模型的偏离程度。
- 通过参数自助法估计在抽样变异下，观察到的系统可能为非上下文模型的概率。
实验结果
研究问题
- RQ1自然语言中的模糊短语是否能表现出量子基础中定义的逻辑（可能性）上下文性？
- RQ2自然语言中模糊短语解释的概率模型在CbD框架下是否表现出上下文性？
- RQ3如何使用正式度量对语言意义组合中的上下文性进行量化？
- RQ4语言数据中的信号效应在多大程度上影响CbD框架中上下文性的检测？
- RQ5真实语料库数据能否产生稳健且可量化的语言上下文性实例？
主要发现
- 短语‘adopt boxer’在CbD框架下表现出上下文性，其上下文性度量为1/30，表明其与非上下文模型存在微小但非零的偏离。
- 短语‘throw pitcher’表现出更高的上下文性程度，其度量为7/30，表明其在意义分配中存在更强的非经典依赖关系。
- 在参数自助法下，‘adopt boxer’存在非上下文模型的概率大于0.56，表明其对抽样变异具有中等稳健性。
- 对于‘throw pitcher’，存在非上下文模型的概率小于0.08，表明其具有高度稳健性，并提供了强有力的上下文性证据。
- 尽管数据中存在信号效应，两个系统在CbD框架下仍保持上下文性，表明即使在局部因果性被违反的情况下，上下文性依然可以持续存在。
- 本研究发现，语料偏差——例如‘bus’的美式英语术语‘coach’使用不足——会影响观察到的意义频率和解释模式。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。