MétaCan
Menu
Retour à la cohorte
Enregistrement W2166080215 · doi:10.1111/j.1749-818x.2009.00140.x

Noun Incorporation: Essentials and Extensions

2009· article· en· W2166080215 sur OpenAlexaff
Diane Massam

Notice bibliographique

RevueLanguage and Linguistics Compass · 2009
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSyntax, Semantics, Linguistic Variation
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésLinguisticsNounNoun phraseLexiconNominalizationComputer scienceSyntaxFocus (optics)Predicate (mathematical logic)VerbNatural language processingArtificial intelligencePhilosophyProgramming language

Résumé

récupéré en direct d'OpenAlex

Abstract This paper presents an overview of the principal debates in the literature on noun incorporation, citing key examples and references. There has been much discussion about which constructions can rightly fall under the term ‘noun incorporation’; for example, compounding, denominal, deverbal, light verb, conflation, and narrow scope indefinite constructions have all been treated as noun incorporation constructions. In addition, there has been much discussion about where in the grammar noun incorporation should be handled: the lexicon or the syntax. This debate has shifted with the development of theories without a clear lexicon–syntax division. In the early studies, the main focus was on the morphology of noun incorporation, but in recent years, the focus has shifted to understanding the semantics of the construction, including semantic incorporation, pseudo noun incorporation, detransitivizing, and noun stripping constructions. In addition, there have been many empirical studies over the years exploring subject and modifier incorporation, incorporation of larger phrases and other topics. Noun incorporation studies also intersect with other areas such as bare nominals, complex predicates, possessor raising constructions, and classifier systems. These issues are reviewed in this paper.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,006
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0030,011
Communication savante0,0060,011
Science ouverte0,0010,006
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,022
Tête enseignante GPT0,254
Écart entre enseignants0,232 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations171
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLanguage and Linguistics CompassMême sujetSyntax, Semantics, Linguistic VariationTravaux en français237 207