SYA_100302_LS03 - ‫תחביר מתקדמים‬...

Info icon This preview shows page 1. Sign up to view the full content.

View Full Document Right Arrow Icon
This is the end of the preview. Sign up to access the rest of the document.

Unformatted text preview: ‫תחביר מתקדמים‬ ‫שיעור 3‬ ‫0102.3.2‬ ‫המשך פירוט‬ ‫:הנחות היסוד / עבודה שלנו‬ ‫ייצור ועיבוד נעשים באותם כלים חישוביים .1‬ ‫מושא המחקר: המעבד האנושי .2‬ ‫כשהתגלו תופעות קשיי העיבוד, ההנחה הייתה שעיבוד נעשה יחידות-יחידות – יחידות נסגרות‬ ‫מוצאות מזיכרון העבודה. אם יש צורך להכניס אותן בחזרה, לפתוח אותן, זה גורם לקושי עיבוד.‬ ‫.אם אי אפשר לסגור יחידת עיבוד, זה גורם לקושי, בגלל עומס על זיכרון העבודה‬ ‫.נעשו ניסיות להגדיר אותה במהלך השנים‬ ‫פריטצ'ט היה הראשון שחילק את השאלה לשתיים, מה שגרם לפריצת דרך במחקר: אנחנו‬ ‫מחפשים מהי יחידת עיבוד, מבקשים לדעת באופן כללי מה מנחה את עיבוד המשפט, אבל מרגע‬ ‫.שנסגרת יחידה, זה לא אומר עדיין שייגרם בהכרח קושי עיבוד אם נצטרך לפתוח אותה‬ ‫.לפני פריטצ'ט שאלו אך ורק "מהי יחידת עיבוד", כשכל פתיחה שלה תגרום לקושי עיבוד‬ ‫:פריטצ'ט חילק לשתיים‬ ‫?מהי יחידת עיבוד – מה מנחה את עיבוד המשפט .1‬ ‫?)מתי ריאנליזה מבנית יקרה )=גורמת לקושי עיבוד .2‬ ‫ההנחה היא שלא כל ריאנליזה תחבירית, מבנית תגרום לקושי עיבוד )לא כולן יקרות, קשות‬ ‫.)למעבד – יש כאלה שנעשות באופן אוטומטי‬ ‫:התשובות של פריצ'ט‬ ‫מנחה את עיבוד המשפט. מה שהמעבד עושה כשהוא מעבד משפט, ‪-TA‬עקרון ה .1‬ ‫( ‪-θ‬כשהוא מנתח קלט, זה לנסות לספק במהירות הרבה ביותר את קריטריון ה‬ ‫במהירות הרבה ‪ θ‬מקסימאלית(, כלומר, כל פרדיקט רוצה להעניק ‪ θ‬בהינתן רשת‬ ‫מה שמנחה את עיבוד המשפט .‪ θ‬ביותר, להיפטר מהן, וכל ארגומנט רוצה לקבל‬ ‫.‪-θ‬הוא המבנה התמטי. העץ, מבנה, מורכב על פי קריטריון ה‬ ‫שלו גורמת קושי ‪-θ‬ריאנליזה תחבירית, מבנית, המוציאה מרכיב מתחום ה – ‪2. TRC‬‬ ‫.עיבוד, כלומר, יקרה‬ ‫מקבל ‪ α‬אם"ם ‪ β‬של ראש )‪ (γ‬מסוים ‪ θ‬נמצא בתחום ‪ θ – α‬ההגדרה של פריטצ'ט לתחום‬ ‫.‪-β‬מ ‪ θγ‬נשלט ע"י ארגומנט שמקבל ‪ α‬או ‪-β‬מ ‪-θ‬את ה‬ ‫‪[XPθγ] – α = XP | α controlled by XP‬‬ ‫.ההגדרה רחבה יותר – זה לא המרכיב אלא גם כל האלמנטים שהוא שולט בהם‬ ‫נראה ע"פ פריטצ'ט איך המעבד האנושי מעבד, בונה משפטים, בדוגמאות‬ ‫:הבאות‬ ‫.המעבד קולט את המשפט לפי הסדר שהוא מקבל אותו‬ ‫.1‬ ‫‪input‬‬ ‫‪John‬‬ ‫‪know‬‬ ‫‪s‬‬ ‫‪Rex‬‬ ‫.‪John knows Rex would die‬‬ ‫‪output‬‬ ‫תוצאת הליך בניית העץ‬ ‫הערה‬ ‫‪store‬‬ ‫)אחסון(‬ ‫‪John‬‬ ‫המעבד עוד לא עושה כלום עם ג'ון –‬ ‫‪, θ‬אין לו פרדיקט‬ ‫נמחק מהעץ. ‪ [IP [NP John θ1] [Ī [I] [VP [V John‬המעבד יכול .‪ θ‬הפועל מצויד בשתי‬ ‫]]]]2‪-John. knows θ‬מהפועל ל ‪ θ‬בשלב הזה להעניק‬ ‫עכשיו יש פרגמנט של‬ ‫העץ‬ ‫פרגמנט – העץ ‪ [IP [NP John θ1] [Ī [I] [VP [V‬הוא .2‪θ‬הוא ייפטר מ – ‪ θ‬המעבד מונחה‬ ‫]]] ]2‪ knows] [NP Rex θ‬יבנה את קטע העץ הבא. לכל‬ ‫הפרדיקט נפטר – ‪ θ‬הארגומנטים יש‬ ‫מהן‬ ‫- 4 עמוד 1 מתוך -‬ ‫‪would‬‬ ‫‪die‬‬ ‫האם המעבד עושה משהו כשבקלט‬ ‫או שום דבר , כי אין ‪ would‬שלו מופיע‬ ‫בינתיים ? הנחת ‪ θ‬כאן אפשרות לספק‬ ‫העבודה שלנו : ניקח את ההיפותזה‬ ‫‪ θ‬העץ נבנה ע"פ – )‪ (TA‬החזקה ביותר‬ ‫המעבד לא עושה ‪ would‬כשמופיע –‬ ‫הוא – ‪-store‬כלום , והוא מחזיק אותו ב‬ ‫עוד לא עושה ריאנליזה . רק כשיגיע‬ ‫הוא ישנה את העץ. ,‪- θ‬הפרדיקט , ה‬ ‫אנחנו מתחשבים , לעומת זאת,‬ ‫.בתכוניות התאם‬ ‫מעמדת המשלים של ‪ Rex‬הוצאנו את‬ ‫‪ Spec‬והעבירה אותו לעמדת ,‪V knows‬‬ ‫הוא ,2‪ θ‬לא מקבל את ‪, Rex‬כלומר .‪IP‬‬ ‫‪ - θ‬משנה את המיקום שלו בעץ ואת ה‬ ‫.שהוא מקבל‬ ‫נשלט ע"י ‪ Rex‬זו ריאנליזה זולה , כי‬ ‫כלומר הוא נשאר 2‪ θ‬שמקבל את ‪CP‬‬ ‫אפילו שהוא לא מקבל ,‪ θ‬באותו תחום‬ ‫אותו יותר . הוא נמצא בתחום השליטה‬ ‫היא – 2‪ θ‬של האלמנט שמקבל את‬ ‫אפילו לא ריאנליזה מוחשית )אנחנו‬ ‫לא מרגישים אותה ( . יש טענות‬ ‫בספרות הפסיכו- בלשנית שאומרות‬ ‫שזמן העיבוד כאן למרות זאת ארוך‬ ‫.יותר‬ ‫.‪John warns Rex would die‬‬ ‫פרגמנט העץ שכבר‬ ‫‪ + would‬נבנה‬ ‫‪[IP [NP John θ1] [Ī [I] [VP [V‬‬ ‫‪knows] [CP θ2 [C [C̄ [IP [NP‬‬ ‫‪Rex θ1] [I would] [V‬‬ ‫]]] ]‪die‬‬ ‫.2‬ ‫.משפט מאוד דומה – כולל רצף של אותם אלמנטים , הוא גורם לקושי עיבוד מוחש בהחלט‬ ‫‪input‬‬ ‫‪John‬‬ ‫‪warns‬‬ ‫הערה‬ ‫‪output‬‬ ‫תוצאת הליך בניית העץ‬ ‫‪store‬‬ ‫‪Rex‬‬ ‫‪would‬‬ ‫‪John‬‬ ‫המעבד עוד לא עושה כלום עם ג' ון – אין‬ ‫‪, θ‬לו פרדיקט‬ ‫‪ [IP [NP John θ1] [Ī [I] [VP [V John‬המעבד יכול .‪ θ‬הפועל מצויד בשלוש‬ ‫נמחק‬ ‫]]]]3‪warns θ2 θ‬‬ ‫.‪-John‬מהפועל ל ‪ θ‬בשלב הזה להעניק‬ ‫מהעץ . עכשיו‬ ‫יש פרגמנט של‬ ‫העץ‬ ‫פרגמנט – העץ ‪[IP [NP John θ1] [Ī [I] [VP [V‬‬ ‫הוא .2‪ -θ‬הוא ייפטר מ – ‪ θ‬המעבד מונחה‬ ‫]]] ]2‪ warns θ3] [NP Rex θ‬ממתין על 3‪ . θ‬יבנה את קטע העץ הבא‬ ‫.הפועל‬ ‫ההנחה הוא שהוא יחכה עם קטע העץ‬ ‫פרגמנט העץ‬ ‫.‪ θ‬הבנוי , כי אי אפשר לבצע הענקת‬ ‫+ שכבר נבנה‬ ‫‪would‬‬ ‫‪die‬‬ ‫‪ [IP [NP John θ1] [Ī [I] [VP [V‬בעצמו . בשלב הזה, ‪ -θ‬מצויד ב‬ ‫‪ CP warns] [θ2] [CP θ3 [IP [NP Rex‬ריאנליזה . עכשיו המעבד מנסה לבנות‬ ‫]]] ]‪ θ1] would] [die‬של 3‪ θ‬והוא מקבל את ‪– Rex would die‬‬ ‫הענף הקודם שבו .‪warns‬‬ ‫ישב ‪Rex‬‬ ‫העבירה את‬ ‫נמחק. הריאנליזה‬ ‫‪Rex‬‬ ‫,2‪ θ‬מהעמדה הקודמת שלו , בה הוא קיבל‬ ‫של הפסוקית המשועבדת. ‪ Spec IP‬לעמדת‬ ‫( 2‪ θ‬הריאנליזה יקרה כי הוא עבר מתחום‬ ‫‪die‬‬ ‫תחביר מתקדמים‬ ‫שיעור 3‬ ‫0102.3.2‬ ‫זה – 3‪ θ‬שנעלם, אין לו קיום מבני( לתחום‬ ‫גורם לקושי עיבוד – היא יקרה למעבד‬ ‫האנושי. היא לא יכולה להיעשות באופן‬ ‫אוטומטי. לפעמים נרגיש שאנחנו עושים‬ ‫מאמץ מודע כדי לבנות את המשפט. יש‬ ‫.ממש אפקט קוגניטיבי של ריאנליזה יקרה‬ ‫.3‬ ‫‪input‬‬ ‫‪I‬‬ ‫‪know‬‬ ‫‪that‬‬ ‫‪I know that man‬‬ ‫הערה‬ ‫יש הענקה – ‪ θ‬מצויד בשני תפקידי‬ ‫‪-I‬של הראשון ל‬ ‫אני יודע( ‪-NP‬מנותח כ – 2‪ θ‬נותן לו‬ ‫"את זה"( – מוסיף אותו לעץ‬ ‫.שלו 2‪- θ‬והפרדיקט נפטר מ‬ ‫‪ that‬המעבד עושה ריאנליזה. עכשיו‬ ‫‪-NP‬וה ,‪-N‬שמאייך את ה ‪-Det‬מנותח כ‬ ‫עבר מעמדת ‪ θ2. that‬כולו מקבל את‬ ‫לעמדת ה )2‪ θ‬בה הוא קיבל את( ‪-NP‬ה‬‫ריאנליזה זולה מכיוון ש – ‪Spec NP‬‬‫אפילו שהוא לא ,2‪ θ‬נשאר בתחום ‪that‬‬ ‫אבל הוא נשלט ע"י ה( 2‪ θ‬מקבל את‬‫.)2‪ θ‬שמקבל את ‪NP‬‬ ‫‪output‬‬ ‫תוצאת הליך בניית העץ‬ ‫‪store‬‬ ‫‪I‬‬ ‫קטע העץ ממתין ‪[IP [NP I θ1] [Ī [I] [VP [V know‬‬ ‫]]]]2‪θ‬‬ ‫קטן העץ ממתין ‪[IP [NP I θ1] [Ī [I] [VP [V‬‬ ‫]]] ]2‪know] [NP that θ‬‬ ‫‪[IP [NP I θ1] [Ī [I] [VP [V‬‬ ‫]‪know] [NP θ2 [Det that‬‬ ‫]]] ] ]‪[N man‬‬ ‫‪man‬‬ ‫.‪ GP‬המעבד בונה מייד עם קבלת הקלט, ולא מחכה – בגלל זה יש‬ ‫.כלומר, לא כל ריאנליזה גורמת לקושי עיבוד ,‪ GP‬מצד שני, לא תמיד נגרם לנו‬ ‫.4‬ ‫.‪Without her contributions failed to arrive‬‬ ‫‪Input‬‬ ‫‪w/oθ‬‬ ‫הערה‬ ‫‪output‬‬ ‫תוצאת הליך בניית העץ‬ ‫‪store‬‬ ‫‪w/oθ‬‬ ‫מצוידת בתפקיד שהיא‬ ‫מ"י‬ ‫מעניקה למשלים שלה. המעבד‬ ‫.עוד לא בונה שום דבר‬ ‫‪her‬‬ ‫נבנה צירוף יחס‬ ‫יש כאן ריאנליזה – שינוי מבנה – ‪contributions‬‬ ‫ניתוח מחדש של קטע העץ‬ ‫‪-NP‬עובר מעמדת ה ‪. her‬שנבנה‬ ‫זו ריאנליזה .‪ Spec NP‬לעמדת‬ ‫נשלט ע"י ‪-Spec‬ב ‪-NP‬זולה, כי ה‬ ‫ממילת ‪-θ‬מרכיב שמקבל את ה‬ ‫היחס. זו ריאנליזה מאוד שכיחה‬ ‫בעיבוד – כל הזמן "דוחפים" חומר‬ ‫.חדש לרכיב שכבר נבנה‬ ‫2‪fail θ1 θ‬‬ ‫נפשט לצורך ההדגמה, כדי לא‬ ‫יש ‪-fail‬להיתקע בעיבוד עכשיו, של‬ ‫יש כאן ריאנליזה – מסתבר .‪ θ‬שני‬ ‫למעבד שהוא עשה ניתוח לא נכון‬ ‫בתור ‪ – contributions‬הוא צריך את‬ ‫הוא חוזר למבנה .‪ fail‬נושא של‬ ‫ומשבץ את ‪-PP‬הראשוני של ה‬ ‫.במקום אחר בעץ ‪contributions‬‬ ‫]‪[PP [P w/o] [NP her θ‬‬ ‫הפרגמנט מחכה‬ ‫]‪[PP [P w/o] [NP θ [NP her‬‬ ‫] ]]‪[N̄ [N contributions‬‬ ‫]‪[IP [PP [P w/o] [NP her θ‬‬ ‫̄‪[IP [NP contributions θ1] [I‬‬ ‫‪[I] [VP [V fail] [CP θ2 to‬‬ ‫]]]]]‪arrive‬‬ ‫- 4 עמוד 3 מתוך -‬ ‫– ‪-N‬יצא מעמדת ה ‪contributions‬‬ ‫.‪-Spec IP‬ועבר ל ,‪ P‬של ‪-θ‬מתחום ה‬ ‫שלו, ואכן ‪-θ‬הוא יצא מתחום ה‬ ‫פריטצ'ט מנבא שיש פה ריאנליזה‬ ‫‪-GP‬מוחשת, יקרה, שגורמת ל‬ ‫.5‬ ‫‪input‬‬ ‫.לאחר שסוזן שתתה מים פרצו מהבאר‬ ‫הערה‬ ‫למעבד אין מה לעשות עם זה – זה‬ ‫.‪-store‬עובר ל‬ ‫נוסף לאחסון ע"פ הנחת העבודה‬ ‫שלנו – לא קורה כאן כלום כי אי‬ ‫אין כאן פרדיקט. ,‪ CP‬אפשר לבנות‬ ‫אנחנו בודקים את ההנחה שהעץ‬ ‫ואנחנו הולכים איתה עד ‪ TA‬נבנה ע"פ‬ ‫הסוף. אפשר לבנות פסוקיות רק‬ ‫.כשיש פרדיקטים‬ ‫...המעבד עדיין מחכה‬ ‫‪ θ‬הופיע פרדיקט – פועל מצויד בשתי‬ ‫סיפוק מהיר של פרדיקטים – ‪(TA‬‬ ‫מקסימאלית(. בונים ‪ θ‬בהינתן רשת‬ ‫קטע עץ‬ ‫לוקח את קטע – 2‪ θ‬המעבד מעניק‬ ‫– ‪-NP‬העץ שנבנה ומוסיף לו את ה‬ ‫נוסף ‪ θ‬ככה הוא מעניק‬ ‫פרדיקט עם שני תפקידים )מה פורץ‬ ‫ומאיפה(. יש פה ריאנליזה. ברגע‬ ‫שהוא מגיע מסתבר שצריך להוציא‬ ‫אנחנו בונים – ‪-VP‬את "מים" מתוך ה‬ ‫חדש על סמך הפרדיקט "פרצו " – ‪IP‬‬ ‫משבצים את "מים" כנושא שלהם.‬ ‫‪ θ‬ריאנליזה יקרה – מעבר לתחום‬ ‫.אחר‬ ‫מבחינת המעבד, במידע הלקסיקאלי‬ ‫כלולה העובדה ששתתה יכול להופיע‬ ‫ללא משלים ממומש פונטית, אז לא‬ ‫היה יותר "מחוכם" לחכות ולראות‬ ‫איפה לשבץ את מים? המעבד לא‬ ‫לא ‪ look ahead‬מחכה – אם היה לו‬ ‫אבל הוא משבץ את ,‪ GP‬היה פה‬ ‫"מים" ברגע שאפשר כמשלים של‬ ‫הפועל, כדי להיפטר מ- , ובשלב הבא‬ ‫.הוא משלם על זה בריאנליזה יקרה‬ ‫‪output‬‬ ‫תוצאת הליך בניית העץ‬ ‫‪store‬‬ ‫לאחר‬ ‫‪θ‬‬ ‫לאחר‬ ‫לאחר ש‬ ‫-ש‬ ‫סוזן‬ ‫שתת‬ ‫ה‬ ‫2‪θ1 θ‬‬ ‫לאחר שסוזן‬ ‫הפרגמנט של העץ ‪[PP [P le'axar] [CP θ [C̄ [C‬‬ ‫‪še] [IP [NP θ1 Suzan] [Ī [I‬‬ ‫] ]]] ]]]2‪šatetai] [VP [V ti θ‬‬ ‫‪[PP [P le'axar] [CP θ [C̄ [C‬‬ ‫‪še] [IP [NP θ1 Suzan] [Ī [I‬‬ ‫‪šatetai] [VP [V ti] [NP‬‬ ‫] ]]] ]] ]2‪mayim θ‬‬ ‫‪[IP [PP [P le'axar] [CP θ [C̄ [C‬‬ ‫‪še] [IP [NP θ1 Suzan] [Ī [I‬‬ ‫‪šatetai] [VP [V ti] [NP‬‬ ‫̄‪θ2] ]] ]]] ] [IP [NP mayim] [I‬‬ ‫] ]]]‪[I] [VP [V parcu‬‬ ‫מים‬ ‫פרצו‬ ‫2‪θ1 θ‬‬ ...
View Full Document

{[ snackBarMessage ]}

What students are saying

  • Left Quote Icon

    As a current student on this bumpy collegiate pathway, I stumbled upon Course Hero, where I can find study resources for nearly all my courses, get online help from tutors 24/7, and even share my old projects, papers, and lecture notes with other students.

    Student Picture

    Kiran Temple University Fox School of Business ‘17, Course Hero Intern

  • Left Quote Icon

    I cannot even describe how much Course Hero helped me this summer. It’s truly become something I can always rely on and help me. In the end, I was not only able to survive summer classes, but I was able to thrive thanks to Course Hero.

    Student Picture

    Dana University of Pennsylvania ‘17, Course Hero Intern

  • Left Quote Icon

    The ability to access any university’s resources through Course Hero proved invaluable in my case. I was behind on Tulane coursework and actually used UCLA’s materials to help me move forward and get everything together on time.

    Student Picture

    Jill Tulane University ‘16, Course Hero Intern