67、解读非单调推理在语言理解中的应用

解读非单调推理在语言理解中的应用

1. 引言

非单调推理在形式语用学、语义学与认知心理学交叉领域正发挥着重要作用。本文将探讨如何运用非单调逻辑描述语用意义,解释语言使用中的推理,尤其是格赖斯会话含义。同时,还会讨论非单调逻辑在语义 - 语用接口的应用,以及其在人类推理中的普遍作用。

2. 作为非单调推理的含义
2.1 格赖斯的会话含义理论

在日常生活和交流中,我们常常会依据未明确表述的内容进行假设,这种推理方式在人工智能领域被称为“失败即否定”。例如,若时刻表未提及从 A 到 B 的直达航班,我们通常会默认不存在这样的航班。这种推理是可废止的,因为潜在的“约定”可以被明确废除或暂停。

在语言学中,这种超出句子字面意义的推理被称为会话含义。格赖斯提出,会话含义源于说话者遵守的一系列会话准则,包括质量准则、数量准则、关联准则和方式准则。其中,数量准则的第一条次准则“使你的贡献达到当前交流所要求的详尽程度”解释了许多语言现象,尤其是等级含义。

等级含义是一种常见的会话含义,例如从“φ 或 ψ”推出“并非(φ 且 ψ)”,从“约翰有两个孩子”推出“约翰没有超过两个孩子”。标准分析认为,等级含义是由特定词汇触发的广义会话含义,这些词汇带有约定俗成的替代表达式等级,决定了含义的内容。

2.2 实证视角下的等级含义

莱文森认为等级含义是快速自动的推理,但心理语言学的三类证据表明并非如此:
- 成人推理实验 :在心理研究中,当参与者面对包含“或”等等级词汇的简单句子,且句子之间无关联、排除语境因素时,超过三分之二的参与者更倾向于没有等级含

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值