论文部分内容阅读
摘 要： 近年来认知心理学家不断尝试将平行分布处理模式应用于语篇分析，在认知模型理论基础上探讨平行分布处理模式能否模拟语篇认知模型，二者结合的好处之一在于可以将语篇理解过程的心理表征外显化，另外还可以确定信息网络结构中各个输入单元相互作用的运动路径。本文运用这种模拟研究，以《寂静的春天》为例，解读其语篇主题。
关键词： 平行分布处理模式 语篇认知模型 《寂静的春天》 语篇主题
20世纪50年代的基于信息加工的认知心理学掀起意在摆脱心理学中行为主义理论的革命，认知心理学研究的核心是揭示认知过程的内部心理机制，即探讨人类如何获得、储存、加工和使用信息。在计算机科学、控制论、信息论语言学等现代科学发展的影响下，皮亚杰的建构论（Constructivism）、互动论（Interactionism）和Rumelhart等人的联结主义（Connectionism）的观点逐渐被认知语言学家接受。Rumelhart和McClelland（1986）将认知心理学与人工神经网络紧密结合进行跨学科研究，提出联结主义的核心概念“平行分布处理模式（Parallel Distributed Processing）”，以模拟大脑神经网络的模型解释人如何处理信息、学会新技能及掌握知识的过程。其中平行分布处理模式对语言现象学习的说明近年来成为神经科学和认知科学研究的新范式。
一、平行分布处理模式
20世纪初，美国心理学家桑代克在对动物实验研究的过程中提出一种学习心理学理论——联结主义理论，动物由多次“尝试错误与偶然成功”形成联结是学习，一个成功动作得到满意效果印入机体加强联结，也是学习。学习就是要形成这种联结关系。首先使用联结主义这一术语的是Hebb（1949），他提出神经元之间突触联系强度可变的假设。1986年，Rumelhart和McClelland在二人共同主编的《平行分布加工：认知结构的微观探索》一书中，系统阐述平行分布处理模式，各单元与其他单元之间有许多连接通道，起激活和/或抑制其他单元的作用。平行分布处理模式在计算机上实现的模型由形似神经元的信息加工单位组成，信息节点将其联结起来，形成网络结构，节点之间的联系因被启动而加强，或因不被启动而弱化（王初明，2001）。因此，这种模式的本质是：一个网络结构加工处理信息的同时，不断产生巩固节点的积极联结，这些积极联结不断储存在大脑的网络记忆中，不断修正网络的权重分布形式。换句话说，平行分布处理模式的学习观就是不断调整和改变网络联系中权重的过程，语言获得的过程不是直接学习规则。
Rumelhart和McClelland（1986）的平行分布处理（Parallel Distributed Processing，PDP）网络模型能够依据某一任务中反复出现的输入和输出，记住二者之间的匹配关系，建立起某一权重分布形式。而某一权重分布形式一旦建立就表明学习任务中的某种行为已经被网络学会了，它会对后续的新输入做出类比判断，经过加工处理后的新输入会改变现存的权重分布形式，继而影响对后续新输入的反应。信息在输入、隐匿和输出三个层次中完成单向或回归的加权形式的激活、传播和加工，学习者在输入过程中不断激活单元之间的联结，以此改变网络中的权重，最后将知识内化。
二、平行分布处理模式对建构整合模型的解释力
根据语篇理解模型的研究，Kintsch
关键词： 平行分布处理模式 语篇认知模型 《寂静的春天》 语篇主题
20世纪50年代的基于信息加工的认知心理学掀起意在摆脱心理学中行为主义理论的革命，认知心理学研究的核心是揭示认知过程的内部心理机制，即探讨人类如何获得、储存、加工和使用信息。在计算机科学、控制论、信息论语言学等现代科学发展的影响下，皮亚杰的建构论（Constructivism）、互动论（Interactionism）和Rumelhart等人的联结主义（Connectionism）的观点逐渐被认知语言学家接受。Rumelhart和McClelland（1986）将认知心理学与人工神经网络紧密结合进行跨学科研究，提出联结主义的核心概念“平行分布处理模式（Parallel Distributed Processing）”，以模拟大脑神经网络的模型解释人如何处理信息、学会新技能及掌握知识的过程。其中平行分布处理模式对语言现象学习的说明近年来成为神经科学和认知科学研究的新范式。
一、平行分布处理模式
20世纪初，美国心理学家桑代克在对动物实验研究的过程中提出一种学习心理学理论——联结主义理论，动物由多次“尝试错误与偶然成功”形成联结是学习，一个成功动作得到满意效果印入机体加强联结，也是学习。学习就是要形成这种联结关系。首先使用联结主义这一术语的是Hebb（1949），他提出神经元之间突触联系强度可变的假设。1986年，Rumelhart和McClelland在二人共同主编的《平行分布加工：认知结构的微观探索》一书中，系统阐述平行分布处理模式，各单元与其他单元之间有许多连接通道，起激活和/或抑制其他单元的作用。平行分布处理模式在计算机上实现的模型由形似神经元的信息加工单位组成，信息节点将其联结起来，形成网络结构，节点之间的联系因被启动而加强，或因不被启动而弱化（王初明，2001）。因此，这种模式的本质是：一个网络结构加工处理信息的同时，不断产生巩固节点的积极联结，这些积极联结不断储存在大脑的网络记忆中，不断修正网络的权重分布形式。换句话说，平行分布处理模式的学习观就是不断调整和改变网络联系中权重的过程，语言获得的过程不是直接学习规则。
Rumelhart和McClelland（1986）的平行分布处理（Parallel Distributed Processing，PDP）网络模型能够依据某一任务中反复出现的输入和输出，记住二者之间的匹配关系，建立起某一权重分布形式。而某一权重分布形式一旦建立就表明学习任务中的某种行为已经被网络学会了，它会对后续的新输入做出类比判断，经过加工处理后的新输入会改变现存的权重分布形式，继而影响对后续新输入的反应。信息在输入、隐匿和输出三个层次中完成单向或回归的加权形式的激活、传播和加工，学习者在输入过程中不断激活单元之间的联结，以此改变网络中的权重，最后将知识内化。
二、平行分布处理模式对建构整合模型的解释力
根据语篇理解模型的研究，Kintsch