您现在的位置:首页> 外文会议>Annual meeting of the Society for Computation in Linguistics >文献详情

【6h】Learning exceptionality and variation with lexically scaled MaxEnt

机译通过词法扩展的MaxEnt学习特殊性和变异性

【摘要】A growing body of research in phonology addresses the representation and learning of variable processes and exceptional, lexically conditioned processes. Linzen et al. (2013) present a MaxEnt model with additive lexical scales to account for data exhibiting both variation and exceptionality. In this paper, we implement a learning model for lexically scaled MaxEnt grammars which we show to be successful across a range of data containing patterns of variation and exceptionality. We also explore how the model's parameters and the rate of exceptionality in the data influence its performance and predictions for novel forms.

【摘要机译】语音学的研究越来越多,致力于可变过程和特殊的词汇条件过程的表示和学习。 Linzen等。 (2013年)提出了具有加法词汇量表的MaxEnt模型,以说明同时表现出变异性和例外性的数据。在本文中,我们为词法可扩展的MaxEnt语法实现了一个学习模型,该模型在包含变异和例外模式的一系列数据中证明是成功的。我们还探讨了模型的参数和数据中的例外率如何影响其性能和对新形式的预测。

【作者】Coral Hughto;Andrew Lamont;Brandon Prickett;Gaja Jarosz;

【作者单位】University of Massachusetts Amherst; University of Massachusetts Amherst; University of Massachusetts Amherst; University of Massachusetts Amherst;

【年(卷),期】2019(),

【年度】2019

【页码】91-101

【总页数】11

【原文格式】PDF

【正文语种】eng

【中图分类】;

【关键词】

  • 相关文献
  • 联系方式:010-58892860转803 (工作时间) 18141920177 (微信同号)
  • 客服邮箱:kefu@zhangqiaokeyan.com
  • 京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-1 六维联合信息科技(北京)有限公司©版权所有
  • 客服微信
  • 服务号