SEAM: An Integrated Activation-Coupled Model of Sentence Processing and Eye Movements in Reading

要約

読書中の眼球運動制御モデルは主に心理学内で開発されており、通常、視覚、注意、語彙、運動のプロセスに焦点を当てていますが、語彙後の言語処理は無視されています。
対照的に、主に心理言語学内で開発された文理解プロセスのモデルは、一般に語彙後の言語プロセスのみに焦点を当てています。
我々は、眼球運動制御と文章処理を統合することにより、これら 2 つの研究スレッドを組み合わせたモデルを紹介します。
このような統合モデルの開発は非常に難しく、計算量が多く要求されますが、このような統合は、読書における自然言語理解の完全な数学モデルに向けた重要なステップです。
眼球運動制御の SWIFT モデル (Seelig et al., 2020, doi:10.1016/j.jmp.2019.102313) と、Lewis and Vasishth 文処理モデル (Lewis & Vasishth, 2005, doi:10.1207/) の主要コンポーネントを組み合わせます。
s15516709cog0000_25)。
この統合は、動的モデルにおけるパラメータ同定の成功により、個々のモデル パラメータのプロファイル対数尤度を調査できるようになった最近の進歩によって、初めて可能になりました。
このような統合モデルをどのように実現できるかを示す、完全に実装された概念実証モデルを紹介します。
私たちのアプローチには、主要な計算ツールとしてマルコフ連鎖モンテカルロ (MCMC) サンプリングを使用したベイジアン モデル推論が含まれています。
統合モデル SEAM は、読み取りにおける類似性に基づく干渉によって生じる眼球運動パターンを首尾よく再現できます。
私たちの知る限り、これは、視線の動きの制御の完全なプロセスモデルと、文理解における言語依存関係の完了プロセスを初めて統合したものです。
将来の作業では、この概念実証モデルは、包括的なベンチマーク データのセットを使用して評価する必要があります。

要約(オリジナル)

Models of eye-movement control during reading, developed largely within psychology, usually focus on visual, attentional, lexical, and motor processes but neglect post-lexical language processing; by contrast, models of sentence comprehension processes, developed largely within psycholinguistics, generally focus only on post-lexical language processes. We present a model that combines these two research threads, by integrating eye-movement control and sentence processing. Developing such an integrated model is extremely challenging and computationally demanding, but such an integration is an important step toward complete mathematical models of natural language comprehension in reading. We combine the SWIFT model of eye-movement control (Seelig et al., 2020, doi:10.1016/j.jmp.2019.102313) with key components of the Lewis and Vasishth sentence processing model (Lewis & Vasishth, 2005, doi:10.1207/s15516709cog0000_25). This integration becomes possible, for the first time, due in part to recent advances in successful parameter identification in dynamical models, which allows us to investigate profile log-likelihoods for individual model parameters. We present a fully implemented proof-of-concept model demonstrating how such an integrated model can be achieved; our approach includes Bayesian model inference with Markov Chain Monte Carlo (MCMC) sampling as a key computational tool. The integrated model, SEAM, can successfully reproduce eye movement patterns that arise due to similarity-based interference in reading. To our knowledge, this is the first-ever integration of a complete process model of eye-movement control with linguistic dependency completion processes in sentence comprehension. In future work, this proof of concept model will need to be evaluated using a comprehensive set of benchmark data.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google