كشف أنماط التنبؤ الدلالي في معالجة الجمل

استخدم الباحثون في علم النفس اللغوي مهمة الاختيار المقيد لقياس إمكانية توقع الكلمات القادمة، لكنهم تخلوا إلى حد كبير عن التباين في هيكل الاستجابات التي يقدمها الناس. قد يكون هذا التباين في الهيكل الدلالي للاستجابات مهمًا لفهم الاختيار أثناء إنتاج اللغة؛ ومع ذلك، فقد ثبت صعوبة نمذجة التباين الدلالي في استجابات المشاركين، وبالتالي عدم اليقين الدلالي القادم. تتيح لنا التقدمات الأخيرة في نماذج اللغة الكبيرة (LLMs) تقدير درجة التباين الدلالي في استجابات الاختيار المقيد، ولكن معظم الطرق مقيدة بالتمثيلات المعنوية الرمزية أو اليدوية. نحن نُظهر في دراستين أن نماذج خليط Gaussian البايزية يمكن أن تجمع تمثيلات LLM لاستجابات المشاركين وتنتج مجموعات متماسكة و مشابهة تصنيفياً. نطبق خوارزميات التجميع هذه على بيانات زمن الاستجابة في مهمة اختيار مقيد تسلسلية ونظهر أن الهيكل الدلالي لاستجابات الاختيار المقيد يؤثر على مدى سرعة قدرة الأشخاص على تقديم استجابة. نُظهر آثارًا واضحة للمنافسة الدلالية على سرعة التسمية. بالإضافة إلى تقديم تشغيلي جديد لما قد تبدو عليه المنافسة الدلالية في مهمة الاختيار المقيد، نشرح كيف أن هذه الطريقة في التجميع يمكن توسيعها لمجموعات بيانات وتطبيقات أخرى تهم الباحثين في معالجة المعنى في علم النفس اللغوي.