Notice bibliographique
Résumé
Anaphora describes a dependence of the interpretation of one natural language expression on the interpretation of another natural language expression. For example, the pronoun ‘her’ in (1) below is anaphorically dependent for its interpretation on the interpretation of the noun phrase ‘Sally’ because ‘her’ refers to the same person ‘Sally’ refers to. - (1) Sally likes her car. As (2) below illustrates, anaphoric dependencies also occur across sentences, making anaphora a ‘discourse phenomenon’: - (2) A farmer owned a donkey. He beat it. The analysis of anaphoric dependence has been the focus of a great deal of study in linguistics and philosophy. Anaphoric dependencies are difficult to accommodate within the traditional conception of compositional semantics of Tarski and Montague precisely because the meaning of anaphoric elements is dependent on other elements of the discourse. Many expressions can be used anaphorically. For instance, anaphoric dependencies hold between the expression ‘one’ and the indefinite noun phrase ‘a labrador’ in (3) below; between the verb phrase ‘loves his mother’ and a ‘null’ anaphor (or verbal auxiliary) in (4); between the prepositional phrase ‘to Paris’ and the lexical item ‘there’ in (5); and between a segment of text and the pronoun ‘it’ in (6). - (3) Susan has a labrador. I want one too. - (4) John loves his mother. Fred does too. - (5) I didn’t go to Paris last year. I don’t go there very often. - (6) One plaintiff was passed over for promotion. Another didn’t get a pay increase for five years. A third received a lower wage than men doing the same work. But the jury didn’t believe any of it. Some philosophers and linguists have also argued that verb tenses generate anaphoric dependencies.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,186 | 0,009 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».