MétaCan
Menu
Retour à la cohorte
Enregistrement W2783006698 · doi:10.3765/salt.v27i0.4144

Ambiguous than-clauses and the mention-some reading

2017· article· en· W2783006698 sur OpenAlexaff
Linmin Zhang, Jia Ling

Notice bibliographique

RevueProceedings from Semantics and Linguistic Theory · 2017
Typearticle
Langueen
DomaineComputer Science
ThématiqueNatural Language Processing Techniques
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésAmbiguitySentenceNegationContext (archaeology)Computer scienceReading (process)Semantics (computer science)LinguisticsOperator (biology)Meaning (existential)ModalArithmeticMathematicsNatural language processingProgramming languagePhilosophy

Résumé

récupéré en direct d'OpenAlex

This paper addresses the ambiguity of comparatives that contain a permission-related existential modal in their than-clause. For example, given the context that the interval of permitted speed is between 35 and 50 mph, the sentence Lucinda is driving less fast than allowed is ambiguous between two readings: (i) her speed is below the minimum (i.e., 35 mph); (ii) her speed is below the maximum (i.e., 50 mph). Previously, this ambiguity has been attributed to either the scopal interaction between a negation element and a modal (Heim 2006a) or the optional application of a silent operator (Crnic 2017). Here we show that these two lines of accounts under- or over-generate. Instead, we propose that the source of this ambiguity is located in the ambiguous answerhood for wh-questions corresponding to this kind of than-clauses (e.g., how fast is Lucinda allowed to drive). The current proposal consists of three parts. First, based on Zhang & Ling (2015, 2017a,b), we adopt a generalized interval-arithmetic-based recipe for computing the semantics of comparatives. Second, the semantics of than-clauses is considered equal to that of short answers to corresponding wh-questions. Third, since the use of existential priority modals in wh-questions leads to the ‘mention-some/mention-all’ ambiguity for answerhood, we propose that this ambiguity projects in further derivation and leads to the two readings for comparatives like the Lucinda sentence.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante
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: Empirique
Score de désaccord entre enseignants0,259
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0020,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,009
Tête enseignante GPT0,253
Écart entre enseignants0,244 · 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 tête enseignante, pas un consensus.

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

Citations3
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings from Semantics and Linguistic TheoryMême sujetNatural Language Processing TechniquesTravaux en français237 207