Language Networks: Their Structure, Function And Evolution

(1)

Language Networks:

Their Structure, Function And

Evolution Mattia Trombon

Introduzione Linguaggio inteso come rete complessa L’ontogenesi della sintassi Considerazioni finali e ricerca futura

Language Networks: Their Structure, Function And Evolution

Mattia Trombon

Università degli Studi di Bologna

Corso di Sistemi Complessi a.a. 2013/2014

(2)

Language Networks:

Sommario

1 Introduzione

2 Linguaggio inteso come rete complessa

3 L’ontogenesi della sintassi

4 Considerazioni finali e ricerca futura

(3)

Language Networks:

Introduzione

Definizione

Unlinguaggio è un sistema di termini indipendenti nel quale il valore di ogni termine risulta unicamente dalla contemporanea presenza degli altri.¹

(4)

Language Networks:

Introduzione

Linguaggio ⇔ connettoma

Unconnettomarappresenta una matrice corticale del cervello definendone così la sua struttura e organizzazione Entrambe queste strutture sono costituite da unità interagentie livelli, che possono evolversi insiemenel tempo

(5)

Language Networks:

Introduzione

È possibile definire un connettoma per il linguaggio?

Fine degli anni ’50: intenso dibattito scientifico ⇒ acquisizione delle conoscenze linguistiche non solo per inferenza statistica

Linguaggio fondato su una componente biologica che presenta trend universali

Trend più conosciuto ⇒ Legge di Zipf²

(6)

Language Networks:

Introduzione

LEGGE DI ZIPF P(f) ∝ f

^−α, con α ≈ 2

P(f) è la proporzione di parole ed f la frequenza di una parola in un dato testo

Si intuisce che molte parole sono rare e solo alcune sono frequenti

Generata da notevoli modelli di distribuzione statistica (es.

Pareto)

Presenta un limite fondamentale ⇒ mancato riconoscimento delle interazioni fra parole edentità

(7)

Language Networks:

Introduzione

In merito ai trend universali, uno si può chiedere:

Qual è la loro origine?

Possono essere spiegati in termini di selezione naturale o di trasmissione culturale?

⇒ Si tenga presente che esistono molti sistemi differenti che possono mostrare esattamente le stessi leggi di scala se condividono regole di interazionesimili

⇒ Queste regole stanno alla base dei modelli e dei processi che definiscono la struttura del linguaggio

⇒ La struttura può essere vista come una rete complessa

(8)

Language Networks:

Linguaggio inteso come rete complessa

Obiettivo ⇒ Mappare i rapporti fra le unità del linguaggio su un grafico al fine di catturare tratti fondamentali del linguaggio stesso da un punto di vista globale

A livello di grammatica, gli approcci basati su reti includono:

grammatiche sulla parola dipendenze grammaticali

Tipi di rete studiati: grafi bipartiti basati su matrici lessicali, di co-occorenza, grafi sintattici , grafi semantici , grafi di

attivazione cerebrale

(9)

Language Networks:

Rete linguistica (LN): Principali caratteristiche

1 Sono sparse

2 Hanno una struttura small world

3 Sono altamente eterogenee

(10)

Language Networks:

1 Sono sparse

(11)

Language Networks:

1 Sono sparse

(12)

Language Networks:

LN è sparsa

Il numero medio di collegamenti per nodo è piccolo LN ha una struttura small world

Alta presenza di frazioni di triangoli

Ben comunicanti attraverso la presenza di percorsi di lunghezza breve (es. mappe corticali)

Controesempio: stati patologici (es. Alzheimer) mostrano percorsi più lunghi ⇒ perdita di efficienza

(13)

Language Networks:

LN è altamente eterogenea

Maggior parte dei nodi ha al pi ù due collegamenti Pochi nodi (e.g. hub) hanno un gran numero di

collegamenti ⇒ le parole sono adiacenti ad ogni altra in almeno una frase all’interno di un dato testo

I nodi seguono una distribuzione scale-free (SF), la cui legge è:

P(k) ∝ k^−γ, con 2 < γ < 3

(14)

Language Networks:

(a) (b)

(15)

Language Networks:

RETI SEMANTICHE

Collegamenti fra concetti correlati tra loro (es.WordNet³) Reti di grandi dimensioni (N ∼ 10⁴-10⁵) ma con percorsi brevissimi (D ≈ 3)

Efficienza legata alla polisemia: la rete è una small world se questa è inclusa (infatti WordNet usa una struttura SF con P(k) ∼ k⁻³)

PRO: l’alto clustering facilita la ricerca per associazione CONTRO: i brevi percorsi rallentano la ricerca

(16)

Language Networks:

RETI SINTATTICHE

Corpus: campione rappresentativo della varietà linguistica considerata

Gli hubs corrispondono alle parole funzionali (come articoli o proposizioni)

γ_syntax ≈ 2.2

Percorsi molto brevi, con 3-4 gradi di separazione

(17)

Language Networks:

Esempio di costruzione di una rete sintattica

(18)

Language Networks:

L’ontogenesi⁴ della sintassi

Caso di studio: Sviluppo della sintassi nei bambini

Linguaggio infantile aiuta la comprensione delle origini linguistiche

Coinvolge tre argomenti fondamentali:

funzione: nascita di un sistema di comunicazione evoluzione: processo di cambiamento

struttura: gerarchia ben organizzata di relazioni di parole (e.g. la sintassi)

4Complesso dei processi di sviluppo dell’individuo

(19)

Language Networks:

L’ontogenesi della sintassi

I bambini acquisiscono il linguaggio correttamente tramite regole (fonologiche, sintattiche e semantiche) senza alcun insegnamento

Crescita monotona di acquisizione del linguaggio Tale crescita però comporta un passaggio radicale⇒ si passa da una grammatica grezza di due parole a una complessa grammatica adulta

Come viene appresa la sintassi dai bambini ? E sulla base di quali regole?

(20)

Language Networks:

SOLUZIONE: approccio basato su reti

Si considera come proprietà chiave il numero di

collegamenti tra parole e si ragiona sulle dipendenze fra queste ⇒ in questo modo si tiene traccia di tutte le relazioni sintattiche osservate

(21)

Language Networks:

(22)

Language Networks:

⇒ Si tenga presente che l’evoluzione della rete avviene in contemporanea con l’emergere di particelle funzionali e morfologia flessionale

⇒ Chiaro cambiamento della particella @⁵(lo schwa o scevà)

⇒ Riarrangiamento degli hubs dovuto a vincoli interni e alla presenza di elementi hard-wired. Questa caratteristica distingue le LN da ogni altro tipo di complex network (es. reti casuali o i modelli basati su rich-gets-richer)

5In linguistica: vocale centrale media. Dall’ebraico, può essere tradotto come insignificante

(23)

Language Networks:

Considerazioni finali e ricerca futura

Considerazioni:

Studio di nuovi universali che si basino su modelli quantitativi che includano un elemento combinatorio Nuovi modelli di evoluzione della rete ⇒ agenti complessi che comunicano/generano regole grammaticali (es.

QRIO⁶della Sony) Ad oggi:

Studio della presenza di regole combinatorie complesse nelle grammatiche artificiali ⇒ utilizzo delle grammatiche di costruzione del fluido (FCG)

(24)

Language Networks:

Considerazioni finali e ricerca futura

L’obiettivo finale dello studio dei linguaggi artificiali evoluti è quello di riuscire a:

Ricercare differenze statistiche tra le reti per lingue diverse Permettere alle comunità artificiali di sviluppare linguaggi con strutture SF

Implementare le modifiche che avvengono nelle reti linguistiche durante l’invecchiamento o per via di danni cerebrali

Trovare un legame fra le mappe corticali e le reti linguistiche osservate

Permettere ai modelli neurali di sviluppo del linguaggio di generare le reti linguistiche osservate