PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.06258v1cs.CL

복잡 네트워크에서 확산 활성화와 범주 탐험을 통한 초기 언어 학습

Early Language Learning via Spreading Activation and Category Exploration in Complex Networks

아동의 단어 습득은 의미적·어휘적 범주에 관하여 불균등한가? 이 질문에 답하기 위해, 우리는 초기 언어 학습을 그래프 기반 심성 어휘집(mental lexicon)에 대한 탐색으로 모델링하며, 이는 두 가지 상호작용 과정인 확산 활성화(spreading activation)와 어휘 범주의 강제된 탐험(활용이 아닌)에 의해 구동된다. 우리는 네 가지 언어(독일어, 영어, 네덜란드어, 리오플라텐세 스페인어)에서 모델 성능을 평가하며, 어휘 범주의 정답 데이터로 CDI(Communicative Development Inventories)를, Wordbank 저장소에서 도출된 규범적 연령을, 그리고 단어 유사도 그래프 재구성을 위한 최신 자원을 활용한다. 우리는 확산 활성화가 규범적 단어 습득 시뮬레이션에서 최단 경로 기준선을 능가함을 발견한다. 범주 수준에서는 CDI들 간의 복잡한 전이를 부각시킨다. 동일 CDI 내에서의 폭발성(burstiness)과 평균 지속 시간의 관점에서 그 순서를 분석함으로써, 확산 활성화가 경험적으로 관찰된 탐험 역학을 더 잘 포착함을 발견한다. 전반적으로, 우리의 발견은 어휘 발달이 복잡 네트워크에서 어휘 범주 방문을 조절하는 일정한 제약과 활성화 역학 간의 비자명한 상호작용을 통해 이해될 수 있음을 시사한다.