1. IntroductionNetwork structures p

1. Introduction
Network structures provide intuitive and useful representations for modeling semantic
knowledge and inference. Within the paradigm of semantic network models, we can ask at
least three distinct kinds of questions. The first type of question concerns structure and knowlCognitive
Science 29 (2005) 41–78
Copyright © 2005 Cognitive Science Society, Inc. All rights reserved.
Requests for reprints should be sent to Mark Steyvers, Department of Cognitive Sciences, 3151 Social Sciences
Plaza, University of California–Irvine, Irvine, CA 92697–5100; E-mail: [e-mail] or Joshua B. Tenenbaum,
Department of Brain and Cognitive Sciences, 77 Massachusetts Avenue, Cambridge, MA 02139; E-mail:
[e-mail]
edge: To what extent can the organization of human semantic knowledge be explained in terms
of general structural principles that characterize the connectivity of semantic networks? The
second type of question concerns process and performance: To what extent can human performance
in semantic processing tasks be explained in terms of general processes operating on semantic
networks? A third type of question concerns the interactions of structure and process:
To what extent do the processes of semantic retrieval and search exploit the general structural
features of semantic networks, and to what extent do those structural features reflect general
processes of semantic acquisition or development?
The earliest work on semantic networks attempted to confront these questions in an integrated
fashion. Collins and Quillian (1969) suggested that concepts are represented as nodes in
a tree-structured hierarchy, with connections determined by class-inclusion relations (Fig. 1).
Additional nodes for characteristic attributes or predicates are linked to the most general level
of the hierarchy to which they apply. A tree-structured hierarchy provides a particularly economical
system for representing default knowledge about categories, but it places strong constraints
on the possible extensions of predicates—essentially, on the kinds of knowledge that
are possible (Keil, 1979; Sommers, 1971). Collins and Quillian proposed algorithms for efficiently
searching these inheritance hierarchies to retrieve or verify facts such as “Robins have
wings,” and they showed that reaction times of human subjects often seemed to match the qualitative
predictions of this model. However, notwithstanding the elegance of this picture, it has
severe limitations as a general model of semantic structure. Inheritance hierarchies are clearly
appropriate only for certain taxonomically organized concepts, such as classes of animals or
other natural kinds. Even in those ideal cases, a strict inheritance structure seems not to apply
except for the most typical members of the hierarchy (Carey, 1985; Collins & Quillian, 1969;
Rips, Shoben, & Smith, 1973; Sloman, 1998).
Subsequent work on semantic networks put aside the search for general structural principles
of knowledge organization and instead focused on elucidating the mechanisms of semantic
processing in arbitrarily structured networks. The network models of Collins and Loftus
(1975), for instance, are not characterized by any kind of large-scale structure such as a treelike
hierarchy. In terms of their large-scale patterns of connectivity, these models are essentially unstructured,
with each word or concept corresponding to a node and links between any two
42 M. Steyvers, J. B. Tenenbaum/Cognitive Science 29 (2005)
Fig. 1. Proposed large-scale structures for semantic networks: (a), a tree-structured hierarchy (e.g., Collins & Quillian,
1969); (b), an arbitrary, unstructured graph (e.g., Collins & Loftus, 1975); (c), a scale-free, small-world graph.
nodes that are directly associated in some way (Fig. 1B). Quantitative models of generic associative
networks, often equipped with some kind of spreading-activation process, have been
used to predict performance in a range of experimental memory retrieval tasks and to explain
various priming and interference phenomena (Anderson, 2000; Collins & Loftus, 1975; Deese,
1965; Nelson, McKinney, Gee, & Janczura, 1998).
As a result of research in this tradition, there is now a fair consensus about the general character
of at least some of the processes involved in the formation and search of semantic memory
(Anderson, 2000). By contrast, there is relatively less agreement about general principles
governing the large-scale structure of semantic memory, or how that structure interacts with
processes of memory search or knowledge acquisition. Typical textbook pictures of semantic
memory still depict essentially arbitrary networks, such as Fig. 1B, with no distinctive
large-scale structures. The implications for semantic network theories of meaning are not
good. Under the semantic net view, meaning is inseparable from structure: The meaning of a
concept is, at least in part, constituted by its connections to other concepts. Thus, without any
general structural principles, the semantic net paradigm offers little or no general insights into
the nature of semantics.
In this article, we argue that there are in fact compelling general principles governing the
structure of network representations for natural language semantics and that these structural
principles have potentially significant implications for the processes of semantic growth and
memory search. We stress from the outset that these principles are not meant to provide a genuine
theory of semantics, nor do we believe that networks of word–word relations necessarily
reflect all of the most important or deepest aspects of semantic structure. We do expect that semantic
networks will play some role in any mature account of word meaning. Our goal here is
to study some of the general structural properties of semantic networks that may ultimately
form part of the groundwork for any semantic theory.
The principles we propose are not based on any fixed structural motif such as the tree-structured
hierarchy of Collins and Quillian (1969). Rather, they are based on statistical regularities
that we have uncovered via graph-theoretic analyses of previously described semantic networks.
We look at the distributions of several statistics calculated over nodes, pairs of nodes, or
triples of nodes in a semantic network: The number of connections per word, the length of the
shortest path between two words, and the percentage of a node’s neighbors that are themselves
neighbors. We show that semantic networks, like many other natural networks (Watts &
Strogatz, 1998), possess a small-world structure characterized by the combination of highly
clustered neighborhoods and a short average path length. Moreover, this small-world structure
seems to arise from a scale-free organization, also found in many other systems (Barabási &
Albert, 1999; Strogatz, 2001), in which a relatively small number of well-connected nodes
serve as hubs, and the distribution of node connectivities follows a power function.
These statistical principles of semantic network structure are quite general in scope. They
appear to hold for semantic network representations constructed in very different ways,
whether from the word associations of naive subjects (Nelson, McEvoy, & Schreiber, 1999) or
the considered analyses of linguists (Miller, 1995; Roget, 1911). At the same time, these regularities
do not hold for many popular models of semantic structure, including both hierarchical
or arbitrarily (unstructured) connected networks (Figures 1A and 1B), as well as high-dimensional
vector space models such as Latent Semantic Analysis (LSA; Landauer & Dumais,
M. Steyvers, J. B. Tenenbaum/Cognitive Science 29 (2005) 43
1997). These principles may thus suggest directions for new modeling approaches, or for extending
or revising existing models. Ultimately, they may help to determine which classes of
models most faithfully capture the structure of natural language semantics.
As in studies of scale-free or small-world structures in other physical, biological, or social
networks (Albert, Jeong, & Barabási, 2000; Barabási & Albert, 1999; Watts & Strogatz, 1998),
we will emphasize the implications of these distinctive structures for some of the crucial processes
that operate on semantic networks. We suggest that these structures may be consequences
of the developmental mechanisms by which connections between words or concepts
are formed—either in language evolution, language acquisition, or both. In particular, we show
how simple models of network growth can produce close quantitative fits to the statistics of semantic
networks derived from word association or linguistic databases, based only on plausible
abstract principles with no free numerical parameters.
In our model, a network acquires new concepts over time and connects each new concept to
a subset of the concepts within an existing neighborhood, with the probability of choosing a
particular neighborhood proportional to its size. This growth process can be viewed as a kind
of semantic differentiation, in which new concepts correspond to more specific variations on
existing concepts, and highly complex concepts (those with many connections) are more likely
to be differentiated than simpler ones. It naturally yields scale-free small-world networks, such
as the one shown in Fig. 1C (see also Fig. 6).
Our models also make predictions about the time course of semantic acquisition, because
the order in which meanings are acquired is crucial in determining their connectivity. Concepts
that enter the network early are expected to show higher connectivity. We verify this relation
experimentally with age-of-acquisition norms (Gilhooly & Logie, 1980; Morrison, Chappell,
& Ellis, 1997) and explain how it could account for some puzzling behavioral effects of age of
acquisition in lexical-decision and naming tasks, under plausible assumptions about search
mechanisms in semantic memory.
Our growing network models are

ผลลัพธ์ (ไทย) 1:

1. บทนำโครงสร้างเครือข่ายให้ใช้งานง่าย และมีประโยชน์นำเสนอการสร้างโมเดลทางตรรกความรู้และข้อ ในกระบวนทัศน์ของรูปแบบเครือข่ายความหมาย เราสามารถสอบถามที่อย่างน้อยสามหมดคำถามต่าง ๆ ชนิดของคำถามแรกเกี่ยวข้องกับโครงสร้างและ knowlCognitiveวิทยาศาสตร์ 29 (2005) 41-78ลิขสิทธิ์ © 2005 ประชานวิทยาศาสตร์สังคม inc สงวนลิขสิทธิ์ทั้งหมดควรส่งคำขอสำเนาบทความวารสารหมาย Steyvers วิทยาศาสตร์ภาคประชาน 3151 สังคมศาสตร์พลาซ่า มหาวิทยาลัยของรัฐแคลิฟอร์เนียเออร์วิน เออร์วิน CA 92697-5100 อีเมล์: [e-mail] หรือโยชูวา B. Tenenbaumแผนกสมองและประชานศาสตร์ 77 แมสซาชูเซตส์ Avenue เคมบริดจ์ MA 02139 อีเมล์:[e-mail]ขอบ: ขอบเขตสามารถองค์กรความรู้ความหมายที่มนุษย์ได้มีอธิบายในแง่หลักทั่วไปโครงสร้าง ที่กำหนดลักษณะการเชื่อมต่อของเครือข่ายความหมาย ที่ชนิดที่สองของคำถามที่เกี่ยวข้องกับกระบวนการและประสิทธิภาพ: ขอบเขตสามารถประสิทธิภาพของมนุษย์ในการประมวลผลทางตรรกได้มีอธิบายงานในกระบวนการปฏิบัติงานในความหมายทั่วไปเครือข่ายหรือไม่ สามชนิดของคำถามข้อสงสัยการโต้ตอบของโครงสร้างและกระบวนการ:ไหนทำกระบวนการของการค้นหาและเรียกความหมายใช้ประโยชน์โครงสร้างทั่วไปหรือไม่คุณลักษณะ ของเครือข่ายความหมาย ขอบเขตทำที่สะท้อนคุณลักษณะโครงสร้างทั่วไปกระบวนการทางตรรกซื้อหรือพัฒนาหรือไม่ทำงานเร็วที่สุดบนเครือข่ายความหมายพยายามเผชิญคำถามเหล่านี้ในการรวมแฟชั่น คอลลินส์และ Quillian (1969) แนะนำว่า เป็นแสดงแนวคิดเป็นโหนดในการจัดโครงสร้างแผนภูมิลำดับชั้น เชื่อมต่อถูกกำหนด โดยรวมระดับความสัมพันธ์ (Fig. 1)เชื่อมโยงกับระดับทั่วไปส่วนใหญ่โหนเพิ่มเติมสำหรับแอตทริบิวต์ของลักษณะหรือเพรดิเคตของลำดับชั้นซึ่งจะใช้ โครงสร้างแผนภูมิลำดับชั้นให้ประหยัดโดยเฉพาะอย่างยิ่งระบบสำหรับการแสดงเริ่มต้นรู้หมวดหมู่ แต่แข็งแกร่งจำกัดในส่วนขยายได้ของเคตซึ่ง ในประเภทความรู้ที่จะเป็นไปได้ (Keil, 1979 Sommers, 1971) คอลลินส์และ Quillian เสนอสำหรับได้อย่างมีประสิทธิภาพค้นหาลำดับชั้นการสืบทอดเหล่านี้ จะตรวจสอบข้อเท็จจริงเช่น "Robins มีปีก" และพวกเขาแสดงให้เห็นว่า ปฏิกิริยาเวลาเรื่องมนุษย์มักจะดูเหมือน ตรงที่คุณภาพการคาดการณ์ของแบบจำลองนี้ อย่างไรก็ตาม อย่างไรก็ตามความงดงามของภาพนี้ มีข้อจำกัดที่รุนแรงเป็นแบบจำลองทั่วไปของโครงสร้างทางตรรก ลำดับชั้นการสืบทอดได้อย่างชัดเจนเหมาะสมเฉพาะสำหรับ taxonomically จัดแนวคิด เช่นเรียนสัตว์ หรือชนิดอื่น ๆ ตามธรรมชาติ แม้แต่ในกรณีดังกล่าวเหมาะ โครงสร้างการสืบทอดอย่างเข้มงวดเหมือนไม่ ใช้ยกเว้นสมาชิกทั่วไปมากที่สุดของลำดับชั้น (โชว์พลัง 1985 คอลลินส์และ Quillian, 1969Rips, Shoben, & Smith, 1973 Sloman, 1998)ต่อมาทำงานบนเครือข่ายความหมายวางเฉยหาหลักการโครงสร้างทั่วไปขององค์กรรู้ และแทน เน้นกลไกของความหมาย elucidatingประมวลผลโดยโครงสร้างเครือข่าย รูปแบบเครือข่ายของคอลลินส์และลอฟตัส(1975), เช่น ไม่ได้มีลักษณะตามชนิดใด ๆ ของโครงสร้างขนาดใหญ่เช่นที่ treelikeลำดับชั้น ในรูปแบบของพวกเขาขนาดใหญ่เชื่อมต่อ รูปแบบเหล่านี้จะเป็นไม่มีโครงสร้างแต่ละคำหรือแนวคิดที่สอดคล้องกับโหนและการเชื่อมโยงระหว่างสองใด ๆม. 42 Steyvers, J. B. Tenenbaum/รับ รู้วิทยาศาสตร์ 29 (2005)Fig. 1 นำเสนอโครงสร้างขนาดใหญ่สำหรับเครือข่ายความหมาย: (a), โครงสร้างแผนภูมิลำดับชั้น (เช่น คอลลินส์และ Quillian1969); (ข) การกำหนด ไม่มีโครงสร้างกราฟ (เช่น คอลลินส์และลอฟตัส 1975); (c) กราฟ ฟรีสเกล โลกขนาดเล็กโหนดที่เกี่ยวข้องโดยตรงในบางวิธี (Fig. 1B) แบบจำลองเชิงปริมาณของทั่วไปที่เกี่ยวข้องเครือข่าย เพียบพร้อมไป ด้วยสิ่งของกระบวนการเรียกใช้การแพร่กระจาย มักจะได้รับใช้ใน การทำนายประสิทธิภาพการทำงานในช่วงของงานเรียกหน่วยความจำทดลอง และอธิบายต่าง ๆ ด้วยและรบกวนปรากฏการณ์ (แอนเดอร์สัน 2000 คอลลินส์และลอฟตัส 1975 Deeseปี 1965 เนลสัน McKinney, Gee, & Janczura, 1998)จากการวิจัยในประเพณีนี้ ขณะนี้มีมติธรรมเกี่ยวกับตัวละครทั่วไปของบางอย่างของกระบวนการที่เกี่ยวข้องในการก่อตัวและค้นหาหน่วยความจำความหมาย(แอนเดอร์สัน 2000) โดยคมชัด มีค่อนข้างน้อยข้อตกลงเกี่ยวกับหลักการทั่วไปควบคุมโครงสร้างขนาดใหญ่ของหน่วยความจำความหมาย หรือโครงสร้างที่โต้ตอบกับวิธีกระบวนการมาค้นหาหรือเพิ่มหน่วยความจำ รูปภาพตำราทั่วไปของความหมายหน่วยความจำยังคงแสดงเครือข่ายที่กำหนดเป็นหลัก เช่น Fig. 1B มีโดดเด่นโครงสร้างขนาดใหญ่ ไม่มีผลกระทบสำหรับทฤษฎีเครือข่ายความหมายของความหมายดี คือต่อจากโครงสร้างภายใต้มุมมองสุทธิความหมาย ความหมาย: ความหมายของการแนวคิด ทะลักน้อยบางส่วน โดยการเชื่อมต่อกับแนวคิดอื่น ๆ ดังนั้น โดยไม่ต้องมีหลักการโครงสร้างทั่วไป กระบวนทัศน์สุทธิทางตรรกแห่งมีน้อย หรือไม่มีทั่วไปเจาะลึกลักษณะของความหมายในบทความนี้ เราโต้เถียงที่ มีอยู่ในจริงจับใจหลักทั่วไปการควบคุมการโครงสร้างของเครือข่ายที่ใช้แทนความหมายของภาษาและที่เหล่านี้โครงสร้างหลักมีนัยสำคัญอาจสำหรับกระบวนการเจริญเติบโตทางตรรก และค้นหาหน่วยความจำ เราเครียดจากมือที่หลักการเหล่านี้จะไม่ใช่ให้เป็นของแท้ทฤษฎีของความหมาย หรือทำเราเชื่อที่เครือข่ายของความสัมพันธ์ของคำ – คำจำเป็นต้องสะท้อนทุกด้านสุด หรือสำคัญที่สุดของโครงสร้างทางตรรก เราคาดว่าความหมายที่เครือข่ายจะเล่นบทบาทบางอย่างในบัญชีใด ๆ ผู้ใหญ่ความหมายของคำ เป้าหมายของเราคือการศึกษาโครงสร้างคุณสมบัติทั่วไปของเครือข่ายทางตรรกที่สุดอาจบางส่วนฟอร์มของส่วนสำหรับทฤษฎีความหมายใด ๆหลักที่เราเสนอไม่ยึดใด ๆ แปลนโครงสร้างถาวรเช่นการต้นไม้มีโครงสร้างลำดับชั้นของคอลลินส์และ Quillian (1969) ค่อนข้าง พวกเขาจะขึ้นอยู่กับสถิติ regularitiesว่า เราได้เปิดเผยผ่าน theoretic กราฟวิเคราะห์เครือข่ายทางตรรกที่อธิบายไว้ก่อนหน้านี้ดูการกระจายของหลายสถิติคำนวณผ่านโหน คู่ของโหน หรือtriples ของโหนดในเครือข่ายความหมาย: จำนวนการเชื่อมต่อต่อคำ ความยาวของใบเส้นทางที่สั้นที่สุดระหว่างคำสองคำ และเปอร์เซ็นต์ของเพื่อนบ้านของโหนที่ตัวเองเพื่อนบ้าน แสดงว่า เครือข่ายทางตรรก ชอบเครือข่ายธรรมชาติอื่น ๆ มากมาย (วัตต์และStrogatz, 1998) มีโครงสร้างขนาดเล็กโลกลักษณะ โดยรวมของสูงละแวกใกล้เคียงที่คลัสเตอร์และความยาวของเส้นค่าเฉลี่ยระยะสั้น นอกจากนี้ โครงสร้างขนาดเล็กโลกนี้ดูเหมือนว่าจะ เกิดขึ้นจากการเพิ่มขนาดองค์กร พบในระบบอื่น ๆ (Barabási &อัลเบิร์ท 1999 Strogatz, 2001) ในจำนวนโหนดที่เชื่อมต่อห้องพักค่อนข้างเล็กเป็นฮับ และการกระจายของโหน connectivities ดังต่อไปนี้ฟังก์ชันพลังงานหลักการทางสถิติเหล่านี้ของโครงสร้างเครือข่ายความหมายได้ค่อนข้างทั่วไปในขอบเขต พวกเขาจะ ค้างไว้แทนความหมายเครือข่ายที่สร้างขึ้นในรูปแบบที่แตกต่างกันมากว่าจากความสัมพันธ์ของคำเรื่องขำน่า (เนลสัน McEvoy, & Schreiber, 1999) หรือวิเคราะห์เป็นนักภาษาศาสตร์ (มิลเลอร์ 1995 Roget, 1911) ในเวลาเดียวกัน regularities เหล่านี้อย่าเอารุ่นที่นิยมมากของโครงสร้างทางตรรก รวมทั้งลำดับชั้นหรือโดย (ไม่มีโครงสร้าง) การเชื่อมต่อเครือข่าย (รูปที่ 1A และ 1B), และสูงมิติรูปแบบเวกเตอร์เช่นการวิเคราะห์ความหมายแฝงอยู่ (LSA Landauer และ Dumaisม. Steyvers, J. B. Tenenbaum/รับ รู้วิทยาศาสตร์ 29 (2005) 43ปี 1997) . หลักการเหล่านี้จึงอาจแนะนำเส้นทาง สำหรับโมเดลใหม่ ๆ หรือขยายหรือการปรับรุ่นที่มีอยู่ สุด พวกเขาอาจช่วยในการกำหนดประเภทใดรุ่นสุด faithfully จับโครงสร้างของความหมายภาษาในการศึกษาโครงสร้าง ฟรีสเกล หรือขนาดเล็กโลกในทางกายภาพ ชีวภาพ หรืออื่น ๆ ทางสังคมเครือข่าย (อัลเบิร์ต จอง & Barabási, 2000 Barabási แอนด์อัลเบิร์ต 1999 วัตต์และ Strogatz, 1998),เราจะเน้นผลกระทบของโครงสร้างเหล่านี้โดดเด่นของกระบวนการสำคัญที่ทำงานบนเครือข่ายทางตรรก เราขอแนะนำว่า โครงสร้างเหล่านี้อาจมีผลกระทบกลไกการพัฒนาโดยการเชื่อมต่อระหว่างคำหรือแนวคิดจะ — ในวิวัฒนาการของภาษา ภาษาซื้อ หรือทั้งสองอย่าง โดยเฉพาะ แสดงของเราการเจริญเติบโตของเครือข่ายแบบง่าย ๆ สามารถผลิต ปิดพอดีกับเชิงปริมาณกับข้อมูลสถิติของความหมายเครือข่ายที่มาจากความสัมพันธ์ของคำหรือฐานภาษาศาสตร์ ยึดเท่านั้นเป็นไปได้หลักการนามธรรม ด้วยพารามิเตอร์เป็นตัวเลขไม่ฟรีในรูปแบบของเรา เครือข่ายได้ฝึกฝนแนวคิดใหม่ช่วงเวลา และแต่ละแนวคิดใหม่ในการเชื่อมต่อชุดย่อยของแนวคิดภายในเป็นย่านที่มีอยู่ มีความเป็นไปได้ของการเลือกพื้นที่ใกล้เคียงโดยเฉพาะเป็นสัดส่วนกับขนาดของ กระบวนการเจริญเติบโตนี้สามารถใช้เป็นแบบของความหมายสร้างความแตกต่าง ซึ่งแนวคิดใหม่สอดคล้องกับรูปแบบที่เฉพาะเจาะจงมากขึ้นในแนวคิดที่มีอยู่ และแนวคิดที่ซับซ้อนสูง (ที่ มีการเชื่อมต่อหลาย) มีแนวโน้มการแยกแยะกว่าง่ายกว่าคน มันทำให้ธรรมชาติฟรีขนาดเล็กโลกเครือข่าย เช่นเป็นการแสดงใน Fig. 1C (โปรดดู Fig. 6)รุ่นเรายังทำการคาดคะเนเกี่ยวกับหลักสูตรเวลาซื้อทางตรรก เนื่องจากใบสั่งที่มีซื้อความหมายเป็นสิ่งสำคัญในการกำหนดการเชื่อมต่อ แนวความคิดที่ระบุเครือข่ายก่อนคาดว่าจะแสดงการเชื่อมต่อที่สูงขึ้น เราตรวจสอบความสัมพันธ์นี้ด้วยอายุของซื้อบรรทัดฐาน (Gilhooly & Logie, 1980; experimentally มอร์ริสัน Chappellและเอลลิส 1997) และอธิบายว่า มันสามารถบัญชีสำหรับอายุของผลพฤติกรรมบางอย่างทำให้งงซื้อในการตัดสิน ใจเกี่ยวกับคำศัพท์ และตั้งชื่องาน ภายใต้สมมติฐานที่เป็นไปได้เกี่ยวกับการค้นหากลไกในการจำความหมายรูปแบบเครือข่ายของเราเติบโต

ผลลัพธ์ (ไทย) 2:

1. บทนำโครงสร้างเครือข่ายให้การแสดงที่ใช้งานง่ายและมีประโยชน์สำหรับการสร้างแบบจำลองความหมายของความรู้และการอนุมาน ภายในกรอบความคิดของรูปแบบเครือข่ายความหมายที่เราสามารถถามที่อย่างน้อยสามชนิดที่แตกต่างของคำถาม ชนิดแรกของโครงสร้างความกังวลและคำถาม knowlCognitive วิทยาศาสตร์ 29 (2005) 41-78 ลิขสิทธิ์© 2005 ความรู้ความเข้าใจสมาคมวิทยาศาสตร์, Inc. สงวนลิขสิทธิ์. ขออัดควรจะส่งไปมาร์ค Steyvers กรมวิทยาศาสตร์การองค์ความรู้, 3151 สังคมศาสตร์พลาซ่ามหาวิทยาลัยแคลิฟอร์เนียเออร์ไวน์, Irvine, CA 92697-5100; E-mail: [e-mail] หรือโจชัวบี Tenenbaum, กรมวิทยาศาสตร์สมองและความรู้ความเข้าใจ, แมสซาชูเซต 77 อเวนิวเคมบริดจ์ 02139; E-mail: [e-mail] ขอบ: สิ่งที่ขอบเขตสามารถองค์กรความรู้ความหมายของมนุษย์ได้รับการอธิบายในแง่ของหลักการโครงสร้างทั่วไปที่เป็นลักษณะการเชื่อมต่อของเครือข่ายความหมายหรือไม่ ประเภทที่สองของกระบวนการความกังวลคำถามและประสิทธิภาพการทำงาน: สิ่งที่ขอบเขตสามารถปฏิบัติงานของมนุษย์ในการประมวลผลงานจะอธิบายความหมายในแง่ของกระบวนการทั่วไปการดำเนินงานในความหมายของเครือข่าย? ชนิดที่สามของคำถามที่เกี่ยวข้องกับการมีปฏิสัมพันธ์ของโครงสร้างและกระบวนการ: สิ่งที่ขอบเขตทำกระบวนการของการดึงความหมายและการค้นหาใช้ประโยชน์จากโครงสร้างทั่วไปคุณสมบัติของเครือข่ายความหมายและสิ่งที่ขอบเขตบรรดาลักษณะโครงสร้างสะท้อนให้เห็นทั่วไปกระบวนการของการซื้อความหมายหรือการพัฒนา? การทำงานที่เก่าแก่ที่สุดบนเครือข่ายความหมายของความพยายามที่จะเผชิญหน้ากับคำถามเหล่านี้ในแบบบูรณาแฟชั่น คอลลินและ Quillian (1969) ชี้ให้เห็นว่าแนวความคิดที่จะแสดงเป็นโหนดในลำดับชั้นต้นไม้โครงสร้างที่มีการเชื่อมต่อกำหนดโดยความสัมพันธ์ระดับรวม(รูปที่ 1).. โหนดเพิ่มเติมสำหรับแอตทริบิวต์ลักษณะหรือภาคจะเชื่อมโยงกับระดับทั่วไปมากที่สุดของลำดับชั้นที่พวกเขาใช้ ลำดับชั้นต้นไม้โครงสร้างให้ประหยัดโดยเฉพาะอย่างยิ่งระบบที่เป็นตัวแทนของความรู้เกี่ยวกับการเริ่มต้นประเภท แต่ก็วางข้อ จำกัด ที่แข็งแกร่งในส่วนขยายที่เป็นไปได้ของภาค-หลักเกี่ยวกับชนิดของความรู้ที่จะเป็นไปได้(Keil 1979; ซอมเมอร์, 1971) คอลลินและ Quillian เสนอขั้นตอนวิธีการได้อย่างมีประสิทธิภาพสำหรับการค้นหาลำดับชั้นมรดกเหล่านี้เพื่อดึงหรือตรวจสอบข้อเท็จจริงดังกล่าวว่า"โรบินมีปีก" และพวกเขาแสดงให้เห็นว่าครั้งปฏิกิริยาของมนุษย์มักจะดูเหมือนจะตรงกับคุณภาพการคาดการณ์ของรุ่นนี้ อย่างไรก็ตามแม้จะมีความสง่างามของภาพนี้ก็มีข้อ จำกัด อย่างรุนแรงเป็นรูปแบบทั่วไปของโครงสร้างความหมาย ลำดับชั้นมรดกที่ชัดเจนเหมาะสมสำหรับแนวความคิดบางอย่างจัด taxonomically เช่นชั้นเรียนหรือสัตว์ชนิดธรรมชาติอื่นๆ แม้ในกรณีที่เหมาะสำหรับผู้ที่เป็นโครงสร้างมรดกเข้มงวดดูเหมือนว่าจะไม่ใช้ยกเว้นสำหรับสมาชิกทั่วไปมากที่สุดของลำดับชั้น (Carey, 1985; คอลลินและ Quillian 1969; Rips, Shoben และสมิ ธ 1973; Sloman, 1998). การทำงานที่เกิดขึ้นภายหลัง บนเครือข่ายความหมายใส่กันค้นหาหลักการโครงสร้างทั่วไปขององค์กรความรู้และแทนที่จะมุ่งเน้นไปที่แจ่มชัดกลไกของความหมายของการประมวลผลในระบบเครือข่ายโครงสร้างโดยพลการ รูปแบบเครือข่ายของคอลลินและ Loftus (1975) เช่นนี้จะไม่โดดเด่นด้วยชนิดของโครงสร้างขนาดใหญ่ใด ๆ เช่น treelike ลำดับชั้น ในแง่ของรูปแบบขนาดใหญ่ของพวกเขาของการเชื่อมต่อรูปแบบเหล่านี้จะไม่มีโครงสร้างหลักกับแต่ละคำหรือแนวคิดที่สอดคล้องกับโหนดและการเชื่อมโยงระหว่างสอง42 เมตร Steyvers, JB Tenenbaum / องค์ความรู้วิทยาศาสตร์ที่ 29 (2005) รูป 1. เสนอโครงสร้างขนาดใหญ่สำหรับเครือข่ายความหมาย (ก), ลำดับชั้นต้นไม้โครงสร้าง (เช่นคอลลินและ Quillian, 1969); (ข), พลกราฟที่ไม่มีโครงสร้าง (เช่นคอลลินและ Loftus, 1975); (ค) ขนาดฟรีกราฟขนาดเล็กของโลก. โหนดที่เกี่ยวข้องโดยตรงในทางใดทางหนึ่ง (รูป. 1B) แบบจำลองเชิงปริมาณของสมาคมทั่วไปเครือข่ายติดตั้งมักจะมีชนิดของกระบวนการการแพร่กระจายเปิดใช้งานบางส่วนได้รับการใช้ในการทำนายผลการดำเนินงานในช่วงของงานการดึงหน่วยความจำการทดลองและอธิบายรองพื้นต่างๆและปรากฏการณ์รบกวน(Anderson, 2000 คอลลินและ Loftus 1975 ; Deese, 1965. เนลสัน McKinney, Gee และ Janczura, 1998) เป็นผลจากการวิจัยในประเพณีนี้มีมาเป็นฉันทามติธรรมเกี่ยวกับลักษณะทั่วไปของอย่างน้อยบางส่วนของกระบวนการที่มีส่วนร่วมในการสร้างและการค้นหาของหน่วยความจำความหมาย(เดอร์สัน, 2000) ในทางตรงกันข้ามมีข้อตกลงที่ค่อนข้างน้อยเกี่ยวกับหลักการทั่วไปว่าด้วยโครงสร้างขนาดใหญ่ของหน่วยความจำความหมายหรือวิธีการโครงสร้างที่ติดต่อกับกระบวนการของการค้นหาหน่วยความจำหรือซื้อความรู้ ภาพตำราความหมายโดยทั่วไปของหน่วยความจำที่ยังคงแสดงให้เห็นถึงเครือข่ายหลักโดยพลการเช่นรูป 1B ที่ไม่มีความโดดเด่นของโครงสร้างขนาดใหญ่ ความหมายทฤษฎีเครือข่ายความหมายของความหมายไม่ดี ภายใต้มุมมองสุทธิความหมายความหมายแยกออกจากโครงสร้าง: ความหมายของการให้แนวคิดอย่างน้อยในส่วนที่ตั้งขึ้นโดยการเชื่อมต่อกับแนวคิดอื่นๆ ดังนั้นโดยไม่ต้องมีหลักการโครงสร้างทั่วไปกระบวนทัศน์สุทธิความหมายมีน้อยหรือไม่มีข้อมูลเชิงลึกทั่วไปเข้ามาในลักษณะของความหมาย. ในบทความนี้เรายืนยันว่ามีในความเป็นจริงหลักการทั่วไปที่น่าสนใจว่าด้วยโครงสร้างของการเป็นตัวแทนเครือข่ายความหมายภาษาธรรมชาติและโครงสร้างเหล่านี้หลักการที่สำคัญมีผลกระทบที่อาจเกิดขึ้นในกระบวนการของการเจริญเติบโตความหมายและค้นหาหน่วยความจำ เราเน้นตั้งแต่เริ่มต้นว่าหลักการเหล่านี้ไม่ได้หมายถึงการให้ของแท้ทฤษฎีของความหมายเราไม่เชื่อว่าเครือข่ายของความสัมพันธ์ของคำคำจำเป็นต้องสะท้อนให้เห็นถึงทุกส่วนที่สำคัญที่สุดหรือที่ลึกที่สุดของโครงสร้างความหมาย เราคาดหวังว่าความหมายของเครือข่ายจะมีบทบาทบางอย่างในบัญชีผู้ใหญ่ใด ๆ ของความหมายของคำ เป้าหมายของเราที่นี่เป็นที่ที่จะศึกษาบางส่วนของคุณสมบัติโครงสร้างทั่วไปของเครือข่ายความหมายว่าในท้ายที่สุดอาจจะเป็นส่วนหนึ่งของรากฐานสำหรับทฤษฎีความหมายใดๆ . หลักการเรานำเสนอจะไม่ได้อยู่บนพื้นฐานของมาตรฐานโครงสร้างการแก้ไ