Folgende Projekte sind gerade in der Arbeitsgruppe der Quantiativen Linguistik angesiedelt und werden von uns bearbeitet. Eine inhaltliche Darstellung der momentan bearbeiteten Forschungsideen findet sich in englischer Sprache auf Harald Baayens Homepage. Die Projekte, die in der Vergangenheit von der Arbeitsgruppe bearbeitet wurden, aber momentan nicht finanziert sind, können unter Abgeschlossene Projekte nachgelesen werden.
DFG-Cwic
Complex words in context
Projektleiter: R. Harald Baayen (Professor für Quantitative Linguistik)
Details zu DFG-Cwic
Projekt Cwic: Komplexe Wörter im Kontext
Projekt DFG-Cwic
Recent years have seen impressive advances in the fields of natural language processing (NLP) and artificial intelligence (AI). State-of-the-art language technologies have been made possible by advances in machine learning utilising many-layered 'deep' learning artificial neural networks. However, understanding what deep learning networks detect in language use, and what probabilistic information they exploit to generate predictions for computational language tasks, often remains unclear (but see Linzen & Baroni, 2021, for recent advances). For engineering purposes, this is not a problem, but for understanding language and the cognition of language processing, this state of affairs is highly unsatisfactory. The discriminative lexicon model (DLM) (Baayen, R. H. et al., 2019; Chuang & Baayen, R. H., 2021) is an attempt to combine the strengths of the mathematics of error-driven learning with the new possibilities offered by word embeddings for the computational modeling of the mental lexicon and lexical processing. Word embeddings, which we will also refer to as 'semantic vectors', represent word meanings as points in a high-dimensional space calculated from word usage in large text corpora.
Mitarbeiter
- R. Harald Baayen (Projektleiter)
- Konstantin Sering (Postdoktorand)
ERC-SUBLIMINAL
Subliminal learning in the Mandarin lexicon
Details zu ERC-SUBLIMINAL
Vorhaben
Im Mittelpunkt dieses Forschungsprojekts steht die Beobachtung, dass es in der gesprochenen Sprache subtile Regelmäßigkeiten gibt, die sich unserem Bewusstsein entziehen, die aber eine wichtige Rolle beim Spracherwerb und Sprachgebrauch spielen.
Philosophen wie Immanuel Kant, Edmund Husserl und Maurice Merleau-Ponty sowie der Kognitionswissenschaftler Donald Hoffman gehen davon aus, dass unsere Wahrnehmung der Realität durch unseren Geist und Körper geformt und gefiltert wird. Gemäß der in diesem Projekt umschriebenen Auffassung gilt dies auch für unsere Sprachwahrnehmung, die durch unsere Schriftsysteme gefiltert wird. Abweichungen zwischen Schreibkonventionen und gesprochener Alltagssprache sind für Muttersprachler in der Regel unproblematisch. So kommen englische Muttersprachler beispielsweise damit zurecht, wenn in einer Konversation das Wort „probably“ (deutsch: „wahrscheinlich“) als „prolly“ ausgesprochen wird. Beim Erlernen einer neuen Sprache jedoch könnten solche Diskrepanzen den Zweitspracherwerb unnötig erschweren, laut diesem Projekt.
Das Forschungsprojekt befasst sich mit dem Erlernen von Mandarin-Chinesisch, einer Sprache, in der unterschiedliche Wörter aus denselben Klängen bestehen können, aber je nach Bedeutung in verschiedenen Tonmelodien ausgesprochen werden. Im Rahmen dieses Forschungsprojekts wird im Detail untersucht, wie Mandarin-Sprecher Wörter tatsächlich aussprechen, mit Fokus darauf, wie sie Tonmelodien einsetzen. Er wird zudem erforschen, wie das einzigartige Schriftsystem des Chinesischen mehrere Bedeutungsebenen erzeugt. Mit Hilfe modernster Methoden der Computermodellierung, der Verteilungssemantik und der statistischen Analyse, wird er untersuchen, wie Form und Bedeutung zusammenpassen, und die Ergebnisse nutzen, um die Methoden des Vokabellernens für Mandarin-Chinesisch als Zweitsprache zu verbessern.
Präsentationen
Baayen, R. H., Modeling Mandarin tones on two-word compounds, Colloquium English Language and Linguistics, Düsseldorf, Germany, January 19, 2024.
Baayen, R. H., Frequency-Informed Learning, colloquium Out of Our Minds, Birmingham, United Kingdom, October 11, 2023.
Baayen, R. H., Computational modeling of lexical processing, 2nd Joint Workshop on Chinese Lexical Semantic Change, Tübingen, Germany, September 7, 2023.
Yang, Y., Measure words in Mandarin, 2nd Joint Workshop on Chinese Lexical Semantic Change, Tübingen, Germany, September 6, 2023
Jin, X., Retroflex realization in the ShangHai dialect, 2nd Joint Workshop on Chinese Lexical Semantic Change, Tübingen, Germany, September 6, 2023
Tseng, Y.-H., Lian, D.-C., and Watty, D., Modeling diachronic semantic change of (Pre-Modern) Mandarin Chinese with contextualized embeddings & Word2Vec, 2nd Joint Workshop on Chinese Lexical Semantic Change, Tübingen, Germany, September 6, 2023
Chuang, Y.-Y., Baayen, R. H., and Bell, M., Do words sing their own tunes? Word-specific pitch realizations in Mandarin and English, 20th International Congress of Phonetic Sciences (ICPhS), Prague, Czech Republic, August 7, 2023 (poster presentation).
Baayen, R. H., Chuang, Y.-Y., and Heitmeier, M., Discriminative learning and the lexicon: NDL and LDL, STEP2023 – CCP Spring Training in Experimental Psycholinguistics, Edmonton, Canada, June 14, 16, 2023 (virtual).
Mitarbeiter
-
R. Harald Baayen (Professor, Projektleiter)
-
Yu-Ying Chuang (Postdoktorandin)
-
Xiaoyun Jin (Doktorandin)
-
Yuxin Lu (Doktorandin)
-
Kun Sun (Postdoktorand)
-
Yu-Hsiang Tseng (Postdoktorand)
-
Weiting Wang (Wissenschaftliche Hilfskraft)
-
Yi Yang (Postdoktorandin)
-
Runzhi Zhang (Wissenschaftliche Hilfskraft)
DFG-EML
Machinelles Lernen für die Wissenschaft
Exzellenzcluster - Machinelles Lernen für die Wissenschaft (Cluster Sprecher: Philipp Berens, Cluster Sprecherin: Ulrike von Luxburg)
Details zu DFG-EML
Innovation Fund Projekt 1 in Forschungsbereich A - Verstehen jenseits einfacher Vorhersagen
Im Forschungsbereich A arbeiten wir an Algorithmen, die koplexe Strukturen und kausale Zusammenhänge in Daten erkennen, um maschinelles Lernen besser in den wissenschaftlichen Erkenntnisprozess zu integrieren. In Projekt 1 untersuchen wir "Enhancing Machine Learning of Lexical Semantics with Image Mining".
Mitarbeiter
- Hendrik Lensch (Projektleiter)
- R. Harald Baayen (Projektleiter)
- Zohreh Ghaderi (Doktorandin)
- Hassan Shahmohammadi (Doktorand)