feature correlations 1 Further Evidence for Feature Correlations in Semantic Memory
Notice bibliographique
Résumé
The role of feature correlations in semantic memory is a central issue in conceptual representation. In two versions of the feature verification task, subjects were faster to verify that a feature ( ) is part of a concept (grapefruit) if it is strongly rather than weakly intercorrelated with the other features of that concept. Contrasting interactions between feature correlations and SOA were found when the concept versus the feature was presented first. An attractor network model of word meaning that naturally learns and uses feature correlations predicted those interactions. This research provides further evidence that semantic memory includes implicitly-learned statistical knowledge of feature relationships, in contrast to theories such as spreading activation networks, in which feature correlations play no role. To appear in Special Issue of Canadian Journal of Experimental Psychology on Visual Word Recognition (December, 1999). This work was supported by NSERC grant RGPIN155704 to the first author and NSERC postgraduate fellowships to the second and third authors. Part of this research formed RW's University of Western Ontario undergraduate thesis. The authors thank Michael Masson and Jeff Elman for helpful comments on earlier drafts. Correspondence concerning this article should be addressed to Ken McRae, Department of Psychology, Social Science Centre, University of Western Ontario, London, Ontario, N6A 5C2. email: mcrae@uwo.ca Our environment is highly structured. In the domain of language processing, for instance, there are numerous sources of structure to which people are sensitive. Some words occur together more often than chance within sentences, as do some letters and phonemes within words. In this article, we focus on the fact that some semantic f...
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 | 0,003 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,005 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 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 ».