njemački

Strukturieren von Verbargumenten im konnektionistischen Modell

Künstliche neuronale Netze erfreuen sich seit achtziger Jahre des 20. Jahrhunderts wieder grosser Beliebtheit. Ausser auf dem Gebiet der Naturwissenschaften finden sie seitdem auch in anderen wissenschaftlichen Disziplinen Anwendung, z.B. in der Sprachwissenschaft. Mit Hilfe von KNN werden diverse psycholinguistische Prozesse modelliert, wobei die Auflösung unterschiedlicher sprachlicher Ambiguitäten einen der wichtigsten Punkte darstellt. In der vorliegenden Arbeit wurden zwei KNN auf zwei parallele Korpora trainiert (Kroatisch und Deutsch). Die angewendete Architektur war die Sentence Gestalt von St. John und McClelland. Das Ziel der Arbeit war, den Erfolg beider Netze beim Lösen einer syntaktischen Aufgabe - der Bestimmung des Valenzwertes von Satzgliedelementen - zu vergleichen und die Rolle der morphologischen Vielfalt beim Sprachverständnis zu untersuchen. Die fünf Verben, die den Zentralpunkt des Korpusses darstellen, haben jeweils zwei mögliche Bedeutungen (Synonyme/Homonyme). Das Resultat, das das KNN bei der Zuweisung des Valenzwertes (obligatorischer oder fakultativer Aktant, freie Angabe) erzielt, dient als Erfolgsmassstab des Trainings. Nach dem Training (nach der Methode der 5-fachen Kreuzvalidierung) wurde festestellt, dass obligatorische Aktanten und freie Angaben grundsätzlich korrekt erworben wurden und dass die ambigen Verben korrekt voneinander getrennt wurden. Die grössten Resultatsschwankungen wurden bei den fakultativen Aktanten beobachtet, die als Stellungsglieder in Form von Präpositionen mit Nomina repräsentiert werden. Die Annahme, dass eine grössere morphologische Vielfalt das Sprachverständnis erleichtert konnte in dieser Arbeit bestätigt werden.

Konnektionismus; neuronale Netze; Psycholinguistik; Verbvalenz

nije evidentirano