跳转到内容

语义记忆

维基百科,自由的百科全书
(重定向自Semantic memory

语意记忆(Semantic memory),又称语义记忆字义记忆,是一种记忆的型态。它是一种对于一般知识的事实与概念的了解,透过语言、文字、数字、算法等抽象性的了解来形成记忆。语意记忆通常是经由情节记忆发展而来,是一种客观性的知识,与个人经验无关。

外显记忆(或陈述性记忆 )是对事实或事件的记忆,可以被清晰地储存及提取,外显记忆有两种类型,而语意记忆是其中之一。[1]在我们一生中所累积的世界的一般性知识即为语意记忆。[2]这种常识性知识(common knowledge) (事实、观念、意义和概念)会依赖于文化,并与经验交织在一起。语义记忆与情节记忆有所区别,情节记忆会记录生活中所发生的经历和特定事件,我们可以由此重建任何给定的点。[3]例如,语义记忆可能包含与猫有关的资讯,而情节记忆则可能包含抚摸某只猫的具体记忆。通过过去所学的知识,我们可以学得新的概念。[4]陈述性或外显记忆对应的是非陈述性记忆内隐记忆[5]

模型

[编辑]

语义记忆的本质不同于情节记忆,它的内容不像情节记忆那样与任何特定的经历联系在一起。相反地,在语义记忆中所储存的是经验的“主旨”,这是一种适用于各种经验对象的抽象结构,描述对象之间的分类和功能关系。[6]因此,完整的语义记忆理论不仅必须说明此类“主旨”的表征结构,还必须说明如何从经验中提取它们。目前已经提出了多种语义记忆模型,总结如下。

网络模型

[编辑]

在许多语义记忆理论中,各种网络都扮演着不可或缺的角色。一般而言,网络是由一组节点所组成,节点之间以链路联结。节点可以表示概念、单词、知觉特征,或者根本不代表什么。这些链路可能是有权重的,使得某些链路比其他链路更强,或者等效地说,链路有着不同的长度,使得穿过某些链路比其他链路更耗时。这些网络的特征都已被用于语义记忆模型中,其示例如下。

可教学的语言理解者(TLC)

[编辑]

第一个语义记忆网络模型的示例是“可教学的语言理解者”(TLC)。[7]在此模型中,每个节点都是单词,代表着一个概念(如“鸟”)。每个节点都储存着一组属性(例如“可以飞翔”或“具有翅膀”)以及指向其他节点(例如“鸡”)的指标(即链路)。节点会直接链结到其子类别或超类别的节点(换言之,“鸟”将同时连接到“鸡”和“动物”)。因此,TLC是一种分层知识表征,其中高级节点代表大型类别,该节点会(通过子类别的节点,直接或间接地)连接到许多该类别的实例,而代表特定实例的节点处于较低级别,仅与其超类别连接。此外,属性会被储存在它们所适用的最高类别级别。例如,“黄色”将与“金丝雀”一起储存,“具有翅膀”将与“鸟”(向上一级)一起储存,“可以移动”将与“动物”(再上一级)一起储存。节点还可以储存对其上级节点的属性的否定(即“ 无法飞翔”将与“ 企鹅”一起储存)。这就提供了一种表征经济性,因为属性仅储存在必不可少的类别级别上,也就是说,该属性会成为这个点上的关键特征(请参阅下文)。

TLC中的处理是某种形式的扩散激活[8] 换言之,当一个节点变为激活态时,该激活透过节点之间的链接传播到其他节点。在这种情况下,回答“鸡是鸟吗?”这个问题的时间是 “鸡”和“鸟”节点之间的激活必须扩散到多大程度的函数,即“鸡”和“鸟”节点之间的链接数量。

原始版本的TLC并没有对节点之间的链接进行加权。虽然这版本的TLC在许多任务中的表现与人类相当,但是没有预测到,人们比起那些不太典型的例子,会更快地回答更典型类别的问题。[9]科林斯和Quillian随后修改了TLC,纳入了加权链接来解决这个问题。[10]新版的TLC能够解释熟悉效果典型性效果 。它的最大优点是它清楚地说明了促发 :“如果相关资讯(即 “促发物”)在很短的时间内已经呈现过,那么更有可能从记忆中提取资讯。”还有一些记忆现象是TLC无法解释的,像是当相关节点在网络中相隔很远的时候,为什么人们能够快速反应明显错误的问题(如“鸡是流星吗?”)。[11]

语义网络

[编辑]

TLC是一类更通用模型的实例,该模型称为语义网络。在语义网络中,节点代表着特定的概念、单词或特征。也就是说,每个节点都是一个“符号”。语义网络一般不会像神经网络那样采用分布式的概念表征。语义网络的定义性特征是它的链接几乎总是定向的(也就是说,它们仅指向一个方向,即从基点到目标),且链接有着许多不同的类型,每一种类型都代表着任何两个节点之间的特定关系。[12]语义网络中的处理过程通常采用扩散激活的形式(请参见上文)。

语义网络在篇章分析逻辑理解模型以及人工智能的应用最为广泛 。[13]在这些模型中,节点对应的是单词或词根,而链接代表它们之间的句法关系。语义网络在知识表征中计算实作之范例,请参见Cravo和Martins(1993)。[14]

特征模型

[编辑]

特征模型认为,语义类别是由相对散乱的特征集所组成。Smith、Shoben和Rips(1974)提出的语义特征比较模型英语Semantic_feature-comparison_model[15]认为,记忆是由不同概念的特征列表所组成。根据这种观点,我们无法直接提取类别之间的关系,而是透过间接的方式计算出来。例如,主体可能透过比较代表主谓概念的特征集来验证一个句子。这种计算特征比较模型的提出者包括Meyer(1970)[16]、Rips(1975)[17]、Smith等人(1974)。[15]

早期对知觉和概念分类的研究工作假设类别具有关键特征,而类别成员可以透过特征组合的逻辑规则来确定。较近期的理论则认为,类别可能具有不明确或 "模糊 "的结构[18],并提出了概率模型或全局相似性模型来验证类别成员的资格[19]

关联模型

[编辑]

关联为两个资讯之间的关系,是心理学中的一个基本概念。对于记忆和认知模型而言,不同层次的心理表征之间的关联至关重要。记忆里的项目之间的关联集相当于网络中的节点之间的链路,每个节点对应于记忆中的唯一项目。事实上,神经网络和语义网络可以被描述为认知的关联模型。然而,关联通常被更清楚地表示为一个N×N矩阵,其中N是记忆中项目的数量。因此,矩阵的每个单元对应于行项和列项之间的关联强度。

关联学习一般被认为是个赫布过程;也就是说,每当记忆中有两个项目被同时激活,这两个项目之间的关联就会越来越强,如果越是激活其中一项,那么另一项也激活的可能性就越大。关联模型的具体操作方法见下文。

搜索联想记忆(SAM)

[编辑]

搜索联想记忆(SAM)模型是采用关联方法的标准记忆模型[20],虽然SAM最初是为了对情节记忆建模,但其机制也足以支援一些语义记忆的表征[21],SAM模型包含短期储存(STS)和长期储存(LTS),STS是LTS中短暂激活的资讯子集。STS的容量有限,并且透过对可采样的资讯量、采样子集的激活时间作出限制,进而影响提取过程。LTS中的提取过程具有线索依赖性和概率性,亦即线索会启动提取过程,并从记忆中随机选择资讯。抽样概率取决于线索与被提取项之间的关联性强弱,随着抽样资讯关联性增强,最终会选出一个资讯。缓冲区的大小被定义为r,这并非一个固定的数字,当项目在缓冲区中排练时,其关联强度随缓冲区内总时间而线性增长[22]。在SAM中,当任何两个项目同时占据一个工作记忆缓冲区时,其关联强度就会递增。因此,经常同时出现的项目之间的关联强度更加强健。在SAM中,项目也与特定的语境相关联,而这种关联的强度由每个项目在特定语境中存在的时间长短决定。因此,SAM的记忆是由记忆中的项目与项目之间,以及项目与语境之间的关联所组成。一组项目和语境的出现,更有可能唤起记忆中某些项目的子集。项目对其他项目的唤起程度(无论是由于共同语境,亦或者是同时发生)都是项目语义关联性的指标。

在SAM的更新版本中,已经存在的语义关联使用语义矩阵来解释。在实验过程中,语义关联保持不变,显示出语义关联不受实验的情节经验影响之假设。SAM模型中有两种方法衡量语义关联性:“潜在语义分析”(Latent semantic analysis,LSA)和“词语关联空间”(Word association spaces,WAS)[23]。LSA方法指出,单词之间的相似性是透过单词同时在局部语境中出现来反映。[24]WAS则是透过分析自由关联规范的数据库来发展的。在WAS中,具有相似关联结构的词会被放置在相似的空间区域中。[25]

ACT-R:生产系统模型

[编辑]

ACT(英语:Adaptive Control of Thought,思想的自适应控制)[26],以及后来的ACT-R理论(Adaptive Control of Thought-Rational,思想的自适应控制-理性)[27]使用“意元”(chunk)来表示陈述性记忆(语义记忆是该记忆的其中一种),“意元”是由一个标签、一组与其他意元的明确关系(即 “这是一个__。”或“这个有一个__。”)、任意个意元特有的属性所组成。那么,鉴于每个节点都是一个具有独特属性的意元,而每个链路都是意元与另一个意元的关系,因此可以将意元映射为一个语义网络。在ACT中,意元的激活度会随着该意元的创建时间增加而减少,并随着该意元在记忆中的提取次数上升而增加。意元也可以从高斯噪声以及它们与其他意元的相似性中获得激活。例如,如果用“鸡”作为提取线索,那么“金丝雀”将凭借其与该线索的相似性(即两者都是鸟类等)来接收激活。当从记忆中提取物品时,ACT会查看记忆中最活跃的意元,如果高于阈值,该意元就会被提取出来,否则就发生了 “遗漏错误”(error of omission),即该项目会被遗忘。此外,还有一个提取潜伏期,它与被提取的意元对提取阈值的激活超出量成反比。这个潜伏期可被用来衡量ACT模型的响应时间,与人类的表现相比较[28]

虽然ACT是种一般性的认知模型,而不是记忆模型,但如上文所述,它提出了记忆结构的某些特征。特别是,ACT将记忆建模为一组相关的符号意元,可以透过提取线索来触接记忆。虽然ACT中使用的记忆模型在某些方面与语义网络相似,但所涉及的处理方式更类似于关联模型。

统计模型

[编辑]

潜在语义分析(LSA)

[编辑]

语言超空间类比(HAL)

[编辑]

语义记忆的其他统计模型

[编辑]

相关条目

[编辑]

延伸阅读

[编辑]
  1. ^ Squire, Larry R. Declarative and Nondeclarative Memory: Multiple Brain Systems Supporting Learning and Memory. Journal of Cognitive Neuroscience. 1992-07-01, 4 (3): 232–243 [2021-10-12]. ISSN 0898-929X. PMID 23964880. doi:10.1162/jocn.1992.4.3.232. (原始内容存档于2022-06-17) (英语). 
  2. ^ McRae, Ken; Jones, Michael. Reisberg, Daniel , 编. The Oxford Handbook of Cognitive Psychology. New York, NY: Oxford University Press. 2013: 206–216. ISBN 9780195376746. 
  3. ^ Tulving, Endel. Episodic Memory: From Mind to Brain. Annual Review of Psychology. 2002-02, 53 (1): 1–25 [2021-10-12]. ISSN 0066-4308. PMID 11752477. doi:10.1146/annurev.psych.53.100901.135114. (原始内容存档于2022-06-07) (英语). 
  4. ^ Saumier, Daniel; Chertkow, Howard. Semantic memory. Current Neurology and Neuroscience Reports. 2002-12, 2 (6): 516–522. ISSN 1528-4042. doi:10.1007/s11910-002-0039-9 (英语). 
  5. ^ Tulving, Endel; Schacter, Daniel L. Priming and Human Memory Systems. Science. 1990-01-19, 247 (4940): 301–306 [2021-10-12]. Bibcode:1990Sci...247..301T. ISSN 0036-8075. PMID 2296719. doi:10.1126/science.2296719. (原始内容存档于2021-12-10) (英语). 
  6. ^ Kintsch, W. The role of knowledge in discourse comprehension: A construction-integration model. Psychological Review. 1988, 95 (2): 163–182. PMID 3375398. doi:10.1037/0033-295x.95.2.163. 
  7. ^ Collins, A. M.; Quillian, M. R. Retrieval time from semantic memory. Journal of Verbal Learning and Verbal Behavior. 1969, 8 (2): 240–247. doi:10.1016/s0022-5371(69)80069-1. 
  8. ^ Collins, A. M. & Quillian, M. R. (1972). How to make a language user. In E. Tulving & W. Donaldson (Eds.), Organization of memory (pp. 309-351). New York: Academic Press.
  9. ^ Rips, L. J.; Shoben, E. J.; Smith, F. E. Semantic distance and the verification of semantic relations. Journal of Verbal Learning and Verbal Behavior. 1973, 14: 665–681. doi:10.1016/s0022-5371(73)80056-8. 
  10. ^ Collins, A. M.; Loftus, E. F. A spreading-activation theory of semantic processing. Psychological Review. 1975, 82 (6): 407–428. doi:10.1037/0033-295x.82.6.407. 
  11. ^ Glass, A. L.; Holyoak, K. J.; Kiger, J. I. Role of antonymy relations in semantic judgments. Journal of Experimental Psychology: Human Learning & Memory. 1979, 5 (6): 598–606. doi:10.1037/0278-7393.5.6.598. 
  12. ^ Arbib, M. A. (Ed.). (2002). Semantic networks. In The Handbook of Brain Theory and Neural Networks (2nd ed.), Cambridge, MA: MIT Press.
  13. ^ Barr, A. & Feigenbaum, E. A. (1982). The handbook of artificial intelligence. Lost Altos, CA: William Kaufman.
  14. ^ Cravo, M. R.; Martins, J. P. SNePSwD: A newcomer to the SNePS family. Journal of Experimental & Theoretical Artificial Intelligence. 1993, 5 (2–3): 135–148. doi:10.1080/09528139308953764. 
  15. ^ 15.0 15.1 Smith, E. E.; Shoben, E. J.; Rips, L. J. Structure and process in semantic memory: A featural model for semantic decisions. Psychological Review. 1974, 81 (3): 214–241. doi:10.1037/h0036351. 
  16. ^ Meyer, D. E. On the representation and retrieval of stored semantic information. Cognitive Psychology. 1970, 1 (3): 242–299. doi:10.1016/0010-0285(70)90017-4. 
  17. ^ Rips, L. J. Inductive judgments about natural categories. Journal of Verbal Learning & Verbal Behavior. 1975, 14 (6): 665–681. doi:10.1016/s0022-5371(75)80055-7. 
  18. ^ McCloskey, M. E.; Glucksberg, S. Natural categories: Well defined or fuzzy sets?. Memory & Cognition. 1978, 6 (4): 462–472. doi:10.3758/bf03197480. 
  19. ^ McCloskey, M.; Glucksberg, S. Decision processes in verifying category membership statements: Implications for models of semantic memory. Cognitive Psychology. 1979, 11 (1): 1–37. doi:10.1016/0010-0285(79)90002-1. 
  20. ^ Raaijmakers, J. G. W.; Schiffrin, R. M. Search of associative memory. Psychological Review 8 (2). 1981: 98–1341981. 
  21. ^ Kimball, Daniel R.; Smith, Troy A.; Kahana, Michael J. The fSAM model of false recall.. Psychological Review. 2007, 114 (4): 954–993. ISSN 1939-1471. PMC 2839460可免费查阅. PMID 17907869. doi:10.1037/0033-295x.114.4.954 (英语). 
  22. ^ Raaijmakers, J.G.; Shiffrin R.M. SAM: A theory of probabilistic search of associative memory. Psychology of Learning and Motivation 14. 1980: 207–262. ISBN 9780125433143. doi:10.1016/s0079-7421(08)60162-0.  |journal=被忽略 (帮助)
  23. ^ Sirotin, Y.B.; Kahana, d. R. Going beyond a single list: Modeling the effects of prior experience on episodic free recall. Psychonomic Bulletin & Review. 2005, 12 (5): 787–805. PMID 16523998. doi:10.3758/bf03196773可免费查阅. 
  24. ^ Landauer, T.K; Dumais S.T. Solution to Plato's problem: the latent semantic analysis theory of acquisition, induction, and representation of knowledge. Psychological Review. 1997, 104 (2): 211–240. CiteSeerX 10.1.1.184.4759可免费查阅. doi:10.1037/0033-295x.104.2.211. 
  25. ^ Steyvers, Mark; Shiffrin, Richard M.; Nelson, Douglas L. Word Association Spaces for Predicting Semantic Similarity Effects in Episodic Memory (PDF). Healy, Alice F. (编). Experimental Cognitive Psychology and Its Applications. 2005: 237–249 [2020-04-19]. CiteSeerX 10.1.1.66.5334可免费查阅. ISBN 978-1-59147-183-7. doi:10.1037/10895-018. (原始内容存档于2020-04-21). 
  26. ^ Anderson, J. R. (1983). The Architecture of Cognition. Cambridge, MA: Harvard University Press.
  27. ^ Anderson, J. R. (1993b). Rules of the mind. Hillsdale, NJ: Erlbaum.
  28. ^ Anderson, J. R.; Bothell, D.; Lebiere, C.; Matessa, M. An integrated theory of list memory. Journal of Memory and Language. 1998, 38 (4): 341–380. CiteSeerX 10.1.1.132.7920可免费查阅. doi:10.1006/jmla.1997.2553. 
  • John Hart, Michael A. Kraut. 2007. Neural Basis of Semantic Memory. Publisher-Cambridge University Press. ISBN 0521848709, 9780521848701
  • Rosale McCarthy. 1995.Semantic Knowledge And Semantic Representations: A Special Issue Of Memory. Publisher Psychology Press. ISBN 0863779360, 9780863779367
  • Frank Krüger. 2000. Coding of temporal relations in semantic memory. Publisher-Waxmann Verlag. ISBN 3893259430, 9783893259434
  • Sandra L. Zoccoli. 2007. Object Features and Object Recognition: Semantic Memory Abilities During the Normal Aging Process. Publisher-ProQuest. ISBN 0549321071, 9780549321071
  • Wietske Vonk. 1979. Retrieval from semantic memory. Publisher Springer-Verlag.
  • Sarí Laatu. 2003. Semantic memory deficits in Alzheimer's disease, Parkinson's disease and multiple sclerosis: impairments in conscious understanding of concept meanings and visual object recognition. Publisher-Turun Yliopisto
  • Laura Eileen Matzen. 2008. Semantic and Phonological Influences on Memory, False Memory, and Reminding. Publisher-ProQuest. ISBN 0549909958, 9780549909958
  • William Damon, Richard M. Lerner, Nancy Eisenberg. 2006. Handbook of Child Psychology, Social, Emotional, and Personality Development. Publisher John Wiley & Sons. ISBN 0471272906, 9780471272908
  • Rohani Omar, Julia C. Hailstone, Jason D. Warren. Semantic Memory for Music in Dementia. Music Perception: An Interdisciplinary Journal, Vol. 29, No. 5 (June 2012), pp. 467-477
  • Ashley D. Vanstone, Ritu Sikka, Leila Tangness, Rosalind Sham, Angeles Garcia, Lola L. Cuddy. Episodic and Semantic Memory for Melodies in Alzheimer's Disease. Music Perception: An Interdisciplinary Journal, Vol. 29, No. 5 (June 2012), pp. 501-507
  • Edward E. Smith. Neural Bases of Human Working Memory. Current Directions in Psychological Science, Vol. 9, No. 2 (Apr., 2000), pp. 45-49

外部链接

[编辑]