A verb learning model driven by syntactic constructions
Autor(a) principal: | |
---|---|
Data de Publicação: | 2008 |
Tipo de documento: | Dissertação |
Idioma: | eng |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da UFRGS |
Texto Completo: | http://hdl.handle.net/10183/15508 |
Resumo: | Desde a segunda metade do último século, as teorias cognitivas têm trazido algumas visões interessantes em relação ao aprendizado de linguagem. A aplicação destas teorias em modelos computacionais tem duplo benefício: por um lado, implementações computacionais podem ser usaas como uma forma de validação destas teorias; por outro lado, modelos computacionais podem alcançar uma performance melhorada a partir da adoção de estratégias de aprendizado cognitivamente plausíveis. Estruturas sintáticas são ditas fornecer uma pista importante para a aquisição do significado de verbos. Ainda, para um subconjunto particular de verbos muito frequentes e gerais - os assim-chamados light verbs - há uma forte ligação entre as estruturas sintáticas nas quais eles aparecem e seus significados. Neste trabalho, empregamos um modelo computacional para investigar estas propostas, em particular, considerando a tarefa de aquisição como um mapeamento entre um verbo desconhecido e referentes prototípicos para eventos verbais, com base na estrutura sintática na qual o verbo aparece. Os experimentos conduzidos ressaltaram alguns requerimentos para um aprendizado bem-sucedido, em termos de níveis de informação disponível para o aprendiz e da estratégia de aprendizado adotada. |
id |
URGS_f7bc581823490ec20d8915190c3db743 |
---|---|
oai_identifier_str |
oai:www.lume.ufrgs.br:10183/15508 |
network_acronym_str |
URGS |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
repository_id_str |
1853 |
spelling |
Machado, Mario Lúcio MesquitaVillavicencio, AlineIdiart, Marco Aurelio Pires2009-04-07T04:12:25Z2008http://hdl.handle.net/10183/15508000682440Desde a segunda metade do último século, as teorias cognitivas têm trazido algumas visões interessantes em relação ao aprendizado de linguagem. A aplicação destas teorias em modelos computacionais tem duplo benefício: por um lado, implementações computacionais podem ser usaas como uma forma de validação destas teorias; por outro lado, modelos computacionais podem alcançar uma performance melhorada a partir da adoção de estratégias de aprendizado cognitivamente plausíveis. Estruturas sintáticas são ditas fornecer uma pista importante para a aquisição do significado de verbos. Ainda, para um subconjunto particular de verbos muito frequentes e gerais - os assim-chamados light verbs - há uma forte ligação entre as estruturas sintáticas nas quais eles aparecem e seus significados. Neste trabalho, empregamos um modelo computacional para investigar estas propostas, em particular, considerando a tarefa de aquisição como um mapeamento entre um verbo desconhecido e referentes prototípicos para eventos verbais, com base na estrutura sintática na qual o verbo aparece. Os experimentos conduzidos ressaltaram alguns requerimentos para um aprendizado bem-sucedido, em termos de níveis de informação disponível para o aprendiz e da estratégia de aprendizado adotada.Cognitive theories have been, since the second half of the last century, bringing some interesting views about language learning. The application of these theories on computational models has double benefits: in the one hand, computational implementations can be used as a form of validation of these theories; on the other hand, computational models can earn an improved performance from adopting some cognitively plausible learning strategies. Syntactic structures are said to provide an important cue for the acquisition of verb meaning. Yet, for a particular subset of very frequent and general verbs – the so-called light verbs – there is a strong link between the syntactic structures in which they appear and their meanings. In this work, we used a computational model, to further investigate these proposals, in particular looking at the acquisition task as a mapping between an unknown verb and prototypical referents for verbal events, on the basis of the syntactic structure in which the verb appears. The experiments conducted have highlighted some requirements for a successful learning, both in terms of the levels of information available to the learner and the learning strategies adopted.application/pdfengTeoria da computaçãoLinguagem naturalLinguística computacionalNatural language processingCognitively based modelsMental lexiconA verb learning model driven by syntactic constructionsUm modelo de aquisição de verbos guiado por construções sintáticas info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulInstituto de InformáticaPrograma de Pós-Graduação em ComputaçãoPorto Alegre, BR-RS2008mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT000682440.pdf.txt000682440.pdf.txtExtracted Texttext/plain156580http://www.lume.ufrgs.br/bitstream/10183/15508/2/000682440.pdf.txtc351e96b4559845af03b5c438bb3aee2MD52ORIGINAL000682440.pdf000682440.pdfTexto completo (inglês)application/pdf316042http://www.lume.ufrgs.br/bitstream/10183/15508/1/000682440.pdf9bda3af5e82f66eef5c68659c3860c82MD51THUMBNAIL000682440.pdf.jpg000682440.pdf.jpgGenerated Thumbnailimage/jpeg1045http://www.lume.ufrgs.br/bitstream/10183/15508/3/000682440.pdf.jpg3bf8a6f606b295ff231d74577f959ff1MD5310183/155082021-05-26 04:41:42.674273oai:www.lume.ufrgs.br:10183/15508Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532021-05-26T07:41:42Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
dc.title.pt_BR.fl_str_mv |
A verb learning model driven by syntactic constructions |
dc.title.alternative.pt.fl_str_mv |
Um modelo de aquisição de verbos guiado por construções sintáticas |
title |
A verb learning model driven by syntactic constructions |
spellingShingle |
A verb learning model driven by syntactic constructions Machado, Mario Lúcio Mesquita Teoria da computação Linguagem natural Linguística computacional Natural language processing Cognitively based models Mental lexicon |
title_short |
A verb learning model driven by syntactic constructions |
title_full |
A verb learning model driven by syntactic constructions |
title_fullStr |
A verb learning model driven by syntactic constructions |
title_full_unstemmed |
A verb learning model driven by syntactic constructions |
title_sort |
A verb learning model driven by syntactic constructions |
author |
Machado, Mario Lúcio Mesquita |
author_facet |
Machado, Mario Lúcio Mesquita |
author_role |
author |
dc.contributor.author.fl_str_mv |
Machado, Mario Lúcio Mesquita |
dc.contributor.advisor1.fl_str_mv |
Villavicencio, Aline |
dc.contributor.advisor-co1.fl_str_mv |
Idiart, Marco Aurelio Pires |
contributor_str_mv |
Villavicencio, Aline Idiart, Marco Aurelio Pires |
dc.subject.por.fl_str_mv |
Teoria da computação Linguagem natural Linguística computacional |
topic |
Teoria da computação Linguagem natural Linguística computacional Natural language processing Cognitively based models Mental lexicon |
dc.subject.eng.fl_str_mv |
Natural language processing Cognitively based models Mental lexicon |
description |
Desde a segunda metade do último século, as teorias cognitivas têm trazido algumas visões interessantes em relação ao aprendizado de linguagem. A aplicação destas teorias em modelos computacionais tem duplo benefício: por um lado, implementações computacionais podem ser usaas como uma forma de validação destas teorias; por outro lado, modelos computacionais podem alcançar uma performance melhorada a partir da adoção de estratégias de aprendizado cognitivamente plausíveis. Estruturas sintáticas são ditas fornecer uma pista importante para a aquisição do significado de verbos. Ainda, para um subconjunto particular de verbos muito frequentes e gerais - os assim-chamados light verbs - há uma forte ligação entre as estruturas sintáticas nas quais eles aparecem e seus significados. Neste trabalho, empregamos um modelo computacional para investigar estas propostas, em particular, considerando a tarefa de aquisição como um mapeamento entre um verbo desconhecido e referentes prototípicos para eventos verbais, com base na estrutura sintática na qual o verbo aparece. Os experimentos conduzidos ressaltaram alguns requerimentos para um aprendizado bem-sucedido, em termos de níveis de informação disponível para o aprendiz e da estratégia de aprendizado adotada. |
publishDate |
2008 |
dc.date.issued.fl_str_mv |
2008 |
dc.date.accessioned.fl_str_mv |
2009-04-07T04:12:25Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10183/15508 |
dc.identifier.nrb.pt_BR.fl_str_mv |
000682440 |
url |
http://hdl.handle.net/10183/15508 |
identifier_str_mv |
000682440 |
dc.language.iso.fl_str_mv |
eng |
language |
eng |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UFRGS instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
instacron_str |
UFRGS |
institution |
UFRGS |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
collection |
Biblioteca Digital de Teses e Dissertações da UFRGS |
bitstream.url.fl_str_mv |
http://www.lume.ufrgs.br/bitstream/10183/15508/2/000682440.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/15508/1/000682440.pdf http://www.lume.ufrgs.br/bitstream/10183/15508/3/000682440.pdf.jpg |
bitstream.checksum.fl_str_mv |
c351e96b4559845af03b5c438bb3aee2 9bda3af5e82f66eef5c68659c3860c82 3bf8a6f606b295ff231d74577f959ff1 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS) |
repository.mail.fl_str_mv |
lume@ufrgs.br||lume@ufrgs.br |
_version_ |
1810085141024866304 |