The natural stability of autonomous morphology

要約

屈折クラス システムやパラダイム的分布パターンなどの自律的な形態論は、自然言語に広く普及しており、通時的に復元力があります。
自律的形態学が学習コストを課し、それが存在しないことに比べて明確な利点がなく、絶えずそれを再形成する類似の力によって簡単に除去される可能性があることを考えると、なぜそうすべきなのかは不明のままです。
ここで我々は、単純なパラダイムのセル充填プロセスから自発的に現れる、形態カテゴリー間の引力と反発の通時的な力学の観点から、自律形態の復元力の説明を提案する。
計算進化モデルを採用することで、私たちの重要な革新は、「解離的証拠」、つまり合理的推論者が類推中にアクセスできる語形変化の特徴の証拠の役割を明らかにすることです。
解離的な証拠は、形態素クラスが完全に崩壊すること、つまり完全な平準化を受けることを防ぐ反発力学を生み出します。
代替モデルを調査すると、変化中のシステムにおける予測可能性の尺度としての条件付きエントロピーの限界が明らかになります。
最後に、自律的な形態学は「不自然」（例: \citealt{Aronoff1994}）とは程遠く、むしろ屈折システムに適用された自然な（合理的な）推論プロセスの自然な（創発的な）結果であることを示します。

要約(オリジナル)

Autonomous morphology, such as inflection class systems and paradigmatic distribution patterns, is widespread and diachronically resilient in natural language. Why this should be so has remained unclear given that autonomous morphology imposes learning costs, offers no clear benefit relative to its absence and could easily be removed by the analogical forces which are constantly reshaping it. Here we propose an explanation for the resilience of autonomous morphology, in terms of a diachronic dynamic of attraction and repulsion between morphomic categories, which emerges spontaneously from a simple paradigm cell filling process. Employing computational evolutionary models, our key innovation is to bring to light the role of `dissociative evidence’, i.e., evidence for inflectional distinctiveness which a rational reasoner will have access to during analogical inference. Dissociative evidence creates a repulsion dynamic which prevents morphomic classes from collapsing together entirely, i.e., undergoing complete levelling. As we probe alternative models, we reveal the limits of conditional entropy as a measure for predictability in systems that are undergoing change. Finally, we demonstrate that autonomous morphology, far from being `unnatural’ (e.g. \citealt{Aronoff1994}), is rather the natural (emergent) consequence of a natural (rational) process of inference applied to inflectional systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google