Estonian case inflection made simple. A case study in Word and Paradigm morphology with Linear Discriminative Learning.
Notice bibliographique
Résumé
According to Word and Paradigm Morphology (Matthews, 1974; Blevins, 2016), the word is the basic cognitive unit over which paradigmatic analogy operates to predict form and meaning of novel forms. Baayen et al. (2019b, 2018) introduced a computational formalization of word and paradigm morphology which makes it possible to model the production and comprehension of complex words without requiring exponents, morphemes, inflectional classes, and separate treatment of regular and irregular morphology. This computational model, Linear Discriminative Learning (LDL), makes use of simple matrix algebra to move from words’ forms to meanings (comprehension) and from words’ meanings to their forms (production). In Baayen et al. (2018), we showed that LDL makes accurate predictions for Latin verb conjugations. The present study reports results for noun declension in Estonian. Consistent with previous findings, the model’s predictions for comprehension and production are highly accurate. Importantly, the model achieves this high accuracy without being informed about stems, exponents, and inflectional classes. The speech errors produced by the model look like errors that native speakers might make. When the model is trained on incomplete paradigms, comprehension accuracy for unseen forms is hardly affected, but production accuracy decreases, reflecting the well-known asymmetry between comprehension and production. Unseen principal parts (i.e., nominative, genitive, and partitive singulars) are particularly difficult to produce, possibly due to their more distinctive forms. Removing principal parts from training, however, does not affect accuracy for other case forms. Model performance does not degrade either when the training data includes the alternative forms that are ubiquitous in Estonian. These results are consistent with the claim of Blevins (2008) that Estonian number and case inflection is organized in a way that facilitates the deduction of full paradigms from only a small number of forms.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».