XiaoMi-AI文件搜索系统
World File Search System句法结构
聆听时大脑过程的句法结构如何？
句法解析是将句法结构分配给句子的任务。有两种流行的句法解析方法：构成和依赖性解析。最近的作品使用了基于选区树，增量自上而下解析和其他单词句法特征来研究大脑活动预测的句法嵌入，鉴于文本刺激来研究语法结构如何在大脑的语言网络中表示。然而，依赖解析树的有效性或跨大脑区域的各种合成税的相对预测能力，尤其是对于聆听任务而言，尚未探索。In this study, we investigate the predictive power of the brain encoding models in three settings: (i) individual performance of the constituency and dependency syntactic parsing based embedding methods, (ii) efficacy of these syntactic parsing based embedding methods when controlling for basic syntactic signals, (iii) relative effective- ness of each of the syntactic embedding meth- ods when controlling for the other.此外，我们探讨了使用BERT嵌入的语义信息与语义信息的相对重要性。我们发现，选区解析器有助于解释颞叶和中额回的激活，而依赖性解析器更好地编码角回和后扣带回的句法结构。尽管与任何句法特征或嵌入方法相比，来自BERT的语义信号更有效，但句法 - 床上用品方法解释了一些大脑区域的其他方差。我们使我们的代码公开可用1。
在说话和聆听过程中，额颞区域的连接性在句法结构构建中的作用
已发现，句子生成和理解的神经基础设施大部分是共享的。在说话和听的过程中，会使用相同的区域，但根据模态的不同，它们的激活强度会有所不同。在本研究中，我们调查了模态如何影响先前发现的跨模态句法处理区域之间的连接。我们确定了成分大小和模态如何影响左下额叶 (LIFG) 和左后颞叶 (LPTL) 的三角部与 LIFG 的岛叶部、左前颞叶 (LATL) 和大脑其余部分的连接。我们发现成分大小可靠地增加了这些额叶和颞叶 ROI 之间的连接。两个 LIFG 区域和 LPTL 之间的连接在两种模式下都随着成分大小而增强，并且在生成过程中上调，可能是由于额叶皮层的线性化和运动规划。两个 ROI 与 LATL 的连接较低，并且仅在成分较大时才增强，这表明 LATL 在两种模式下的句子处理中都发挥了贡献作用。因此，这些结果表明，额颞区域之间的连接在句子生成和理解的句法结构构建中上调，为跨模态的句子级处理共享神经资源提供了进一步的证据。