MétaCan
Menu
Retour à la cohorte
Enregistrement W3026572343 · doi:10.7557/1.9.1.5277

Restrictions on ordering of adjectives in Spanish

2020· article· en· W3026572343 sur OpenAlexaff
Ana Teresa Pérez‐Leroux, Alexander Tough, Erin Pettibone, Crystal Chen

Notice bibliographique

RevueBorealis – An International Journal of Hispanic Linguistics · 2020
Typearticle
Langueen
DomaineComputer Science
ThématiqueNatural Language Processing Techniques
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésAdjectiveNounLinguisticsInterpretation (philosophy)Contrast (vision)Set (abstract data type)Part of speechNoun phraseComputer scienceNatural language processingArtificial intelligencePhilosophy

Résumé

récupéré en direct d'OpenAlex

Abstract. Sequences of multiple modifying adjectives are subject to poorly understood lexical ordering restrictions. There are certain commonalities to these restrictions across languages, as well as substantive language variation. Ordering restrictions in Spanish are still under empirical debate, with some proposing strict ordering for direct modifier adjectives; others proposing broad ordering restrictions based on the contrast between intersective and non-intersective adjectives, and yet others raising the possibility that adjectival order is fully unrestricted. The goal of the present study is to examine corpus evidence for adjectival sequences. We look at both sequences of two postnominal adjectives (Noun +Adjective + Adjective, NAA sequences) as well as sequences of one prenominal, and one postnominal adjective (Adjective + Noun +Adjective, ANA sequences). The results from the NAA datasets clearly categorically confirms that relational adjectives are structurally closer to the noun. There is some evidence for an ordering bias along the line of the intersectivity hypothesis, but little else in term of hard evidence for restrictions. Additional ordering constraints appear once we incorporate the ANA datasets into the empirical picture. One interpretation is that these restrictions can be subsumed under an approach where evaluative adjectives have to occupy the prenominal restriction. In sum, the evidence is most compatible with the middle ground approach, but not with a fully articulated set of ordering restrictions.

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)0,004
Version: codex-gemma-dda1882f352aStatut 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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,774
Score d'incertitude au seuil0,457

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,004
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 ouverte0,0010,000
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 Opus0,027
Tête enseignante GPT0,311
Écart entre enseignants0,284 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

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

En bref

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBorealis – An International Journal of Hispanic LinguisticsMême sujetNatural Language Processing TechniquesTravaux en français237 207