Bitte benutzen Sie diese Referenz, um auf diese Ressource zu verweisen:
Volltext verfügbar? / Dokumentlieferung
doi:10.22028/D291-42289
Titel: | Expert-adapted language models improve the fit to reading times |
VerfasserIn: | Škrjanec, Iza Broy, Frederik Yannick Demberg, Vera |
Sprache: | Englisch |
Titel: | Procedia Computer Science |
Bandnummer: | 225 |
Seiten: | 3488-3497 |
Verlag/Plattform: | Elsevier |
Erscheinungsjahr: | 2023 |
Erscheinungsort: | Amsterdam |
Konferenzort: | Athens, Greece |
Freie Schlagwörter: | Eye tracking Background knowledge Surprisal |
DDC-Sachgruppe: | 004 Informatik 400 Sprache, Linguistik |
Dokumenttyp: | Konferenzbeitrag (in einem Konferenzband / InProceedings erschienener Beitrag) |
Abstract: | The concept of surprisal refers to the predictability of a word based on its context. Surprisal is known to be predictive of human processing difficulty and is usually estimated by language models. However, because humans differ in their linguistic experience, they also differ in the actual processing difficulty they experience with a given word or sentence. We investigate whether models that are similar to the linguistic experience and background knowledge of a specific group of humans are better at predicting their reading times than a generic language model. We analyze reading times from the PoTeC corpus [15,27] of eye movements from biology and physics experts reading biology and physics texts. We find experts read in-domain texts faster than novices, especially domain-specific terms. Next, we train language models adapted to the biology and physics domains and show that surprisal obtained from these specialized models improves the fit to expert reading times above and beyond a generic language model. |
DOI der Erstveröffentlichung: | 10.1016/j.procs.2023.10.344 |
URL der Erstveröffentlichung: | https://www.sciencedirect.com/science/article/pii/S1877050923015028 |
Link zu diesem Datensatz: | urn:nbn:de:bsz:291--ds-422898 hdl:20.500.11880/37960 http://dx.doi.org/10.22028/D291-42289 |
ISSN: | 1877-0509 |
Datum des Eintrags: | 27-Jun-2024 |
Bemerkung/Hinweis: | Procedia Computer Science, Volume 225, 2023, Pages 3488-3497 |
Fakultät: | MI - Fakultät für Mathematik und Informatik |
Fachrichtung: | MI - Informatik |
Professur: | MI - Prof. Dr. Vera Demberg |
Sammlung: | SciDok - Der Wissenschaftsserver der Universität des Saarlandes |
Dateien zu diesem Datensatz:
Es gibt keine Dateien zu dieser Ressource.
Alle Ressourcen in diesem Repository sind urheberrechtlich geschützt.