Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
 
 
DownloadE-Mail
 Lokale TagsFreigabegeschichteDetailsÜbersicht
  Predicting reaction times in word recognition by unsupervised learning of morphology

Virpioja, S., Lehtonen, M., Hulten, A., Salmelin, R., & Lagus, K. (2011). Predicting reaction times in word recognition by unsupervised learning of morphology. In W. Honkela, W. Dutch, M. Girolami, & S. Kaski (Eds.), Artificial Neural Networks and Machine Learning – ICANN 2011 (pp. 275-282). Berlin: Springer.

Item is

 

einblenden: alle ausblenden: alle

Basisdaten

einblenden: ausblenden:
Datensatz-Permalink: https://hdl.handle.net/11858/00-001M-0000-000F-A0A7-1 Versions-Permalink: https://hdl.handle.net/11858/00-001M-0000-000F-A0AA-C
Genre: Buchkapitel

Dateien

einblenden: Dateien
ausblenden: Dateien
:
prediction_reaction_LNCS_2011.pdf (Verlagsversion), 183KB
Öffnen   Speichern
Datei-Permalink:
-
Name:
prediction_reaction_LNCS_2011.pdf
Beschreibung:
-
OA-Status:
Sichtbarkeit:
Öffentlich
MIME-Typ / Prüfsumme:
application/pdf / [MD5]
Technische Metadaten:
Öffnen
Copyright Datum:
-
Copyright Info:
-
Lizenz:
-

Externe Referenzen

einblenden:

Urheber

einblenden:
ausblenden:
 Urheber:
Virpioja, Sami1, Autor
Lehtonen, Minna2, 3, 4, Autor
Hulten, Annika3, 4, Autor           
Salmelin, Riitta3, Autor
Lagus, Krista1, Autor
Affiliations:
1Department of Information and Computer Science, Aalto University School of Science, ou_persistent22              
2Cognitive Brain Research Unit, Cognitive Science, Institute of Behavioural Sciences, University of Helsinki, ou_persistent22              
3Brain Research Unit, Low Temperature Laboratory, Aalto University School of Science, ou_persistent22              
4Department of Psychology and Logopedics, Abo Akademi University, ou_persistent22              

Inhalt

einblenden:
ausblenden:
Schlagwörter: -
 Zusammenfassung: A central question in the study of the mental lexicon is how morphologically complex words are processed. We consider this question from the viewpoint of statistical models of morphology. As an indicator of the mental processing cost in the brain, we use reaction times to words in a visual lexical decision task on Finnish nouns. Statistical correlation between a model and reaction times is employed as a goodness measure of the model. In particular, we study Morfessor, an unsupervised method for learning concatenative morphology. The results for a set of inflected and monomorphemic Finnish nouns reveal that the probabilities given by Morfessor, especially the Categories-MAP version, show considerably higher correlations to the reaction times than simple word statistics such as frequency, morphological family size, or length. These correlations are also higher than when any individual test subject is viewed as a model.

Details

einblenden:
ausblenden:
Sprache(n):
 Datum: 2011-06-13
 Publikationsstatus: Erschienen
 Seiten: -
 Ort, Verlag, Ausgabe: -
 Inhaltsverzeichnis: -
 Art der Begutachtung: Expertenbegutachtung
 Identifikatoren: DOI: 10.1007/978-3-642-21735-7_34
 Art des Abschluß: -

Veranstaltung

einblenden:

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

einblenden:
ausblenden:
Titel: Artificial Neural Networks and Machine Learning – ICANN 2011
Genre der Quelle: Zeitschrift
 Urheber:
Honkela, W., Herausgeber
Dutch, W., Herausgeber
Girolami, M., Herausgeber
Kaski, S., Herausgeber
Affiliations:
-
Ort, Verlag, Ausgabe: Berlin : Springer
Seiten: - Band / Heft: - Artikelnummer: - Start- / Endseite: 275 - 282 Identifikator: -

Quelle 2

einblenden:
ausblenden:
Titel: Lecture Notes in Computer Science
Genre der Quelle: Reihe
 Urheber:
Affiliations:
Ort, Verlag, Ausgabe: -
Seiten: - Band / Heft: 6791 Artikelnummer: - Start- / Endseite: - Identifikator: -