CHILDES
PulseAugur coverage of CHILDES — every cluster mentioning CHILDES across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新方法使用GPT2模拟儿童终点性习得
研究人员开发了一种名为“惊奇度差异”的新方法，用于自动标记英语CHILDES语料库中的终点性，区分有界事件和无界事件。该方法使用GPT2词元惊奇度（token surprisal）和时间副词诊断，并经过语言学家验证。研究发现，儿童语言在终点性习得方面严重依赖单一句法线索（动词后限定词），而成人语言则使用更广泛的动词类别和词汇语义特征。
-
类儿童AI模型揭示结构对齐可促进语法学习
研究人员利用类儿童语言模型，特别是GPT-2风格的模型，来研究不同类型的照料者反馈对语法学习的影响。模型使用强化学习进行微调，并使用在四种反馈类别上训练的奖励模型：交流性、结构对齐、语义关联和情感性。结构对齐被证明是提高语法准确性最有效的反馈类型，而交流性反馈显示出中等程度的提升。语义关联和情感性反馈并未显著提高语法准确性，但可能支持其他语言学习方面。
-
新工具包增强了儿童-成人语言交互的句法分析
研究人员开发了一个名为 CAIT 的新开源工具包，旨在改进 CHILDES语料库中儿童-成人交互的句法分析。该工具包包含一个专门的依存关系解析器，其性能优于 SpaCy 和 Stanza 等通用英语解析器。CAIT 还配备了词性标注器和话语级结构标注器，能够提高语言习得研究的准确性和可重复性。
-
新系统量化儿童语言输入
研究人员开发了一个系统，用于自动识别和量化儿童语言习得数据中的填空依赖。该系统分析了口语英语语料库中的三个核心结构，区分了主语、宾语和附加语提取位点。通过将此工具应用于57个英语CHILDES语料库，该研究描绘了儿童接收到的输入及其产出轨迹，为发展语言学和计算研究开辟了新的研究途径。
-
新工具包CAIT增强了儿童-成人语言交互的句法分析
研究人员开发了CAIT，一个新开源工具包，旨在分析CHILDES数据集中儿童-成人交互的句法结构。该工具包包含一个在UD-English-CHILDES树库上专门训练的最先进的依存关系解析器，与SpaCy和Stanza等通用英语解析器相比，其准确性更高。CAIT还配备了词性标注器和话语级结构标注器，能够为语言习得领域的研究提供更强大、可复现的支持。