MétaCan
Menu
Retour à la cohorte
Enregistrement W2985469877 · doi:10.22215/etd/2018-13230

Modeling Meaning a Kantian Intervention in Vector Space Semantics

2018· dissertation· en· W2985469877 sur OpenAlexaff
Nipun Arora

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineSocial Sciences
ThématiqueLanguage and cultural evolution
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceSet (abstract data type)Meaning (existential)Space (punctuation)Proof-theoretic semanticsSemantics (computer science)Theoretical computer scienceArchitectureLogical conjunctionArtificial intelligenceCognitive scienceCognitive architectureLogical frameworkOperational semanticsEpistemologyProgramming languageCognitionComputational semanticsPhilosophyPsychology

Résumé

récupéré en direct d'OpenAlex

This thesis discusses the implementation of a set of logical forms to enrich the way meaning is modeled in a vector-based system of conceptual memory. Vector-space models can account for a variety of psycho-linguistic phenomena by representing relationships between concepts as distance in a high-dimensional space. But they lack logical organizational structure without which inferential operations are impossible. Augmenting cognitive architectures with innate, logical structures might be the key to resolving this issue. But proposing such structures risks over-attributing the complexity of behavior to complexity in the architecture. I propose using Kant's critical work for a strong theory to select a minimal set of logical forms. The Kantian logical forms are implemented onto vector space architecture in a system (Kantian-HDM) created in R programming language and has been published on GitHub. The results of the simulations run in the system are presented along with a description of the inferential behavior exhibited.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,486
Score d'incertitude au seuil0,976

Scores Codex et Gemma par catégorie

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

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 Opus0,020
Tête enseignante GPT0,331
Écart entre enseignants0,310 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetLanguage and cultural evolutionTravaux en français237 207