非连续句法分析的推导模型

基于摘要分析。本文研究自然语言中的非连续句法分析，将带潜变量的概率上下文无关句法推导扩展为支持中心词与不受限制的非连续结构，并以同一形式化框架覆盖成分句法分析和依存句法分析。 核心贡献在于为非连续句法结构构建概率化的推导表示，同时给出与之等价的概率自动机模型。根据摘要，该框架能够在所有非连续句法分析结果构成的空间上定义概率分布，从而支持使用困惑度进行内在评估。这里的困惑度用于评估概率模型，不等同于句法分析准确率，也不能据此推断下游任务性能。 作者报告通过实验展示了困惑度评估的可行性，但摘要未提供所用语料、数据划分、对照方法、具体指标数值或计算开销。潜变量的具体表示、参数估计与推断算法、等价关系的证明条件，以及实验协议、消融及统计信息尚未验证。 本文的主要研究对象是自然语言句法结构，而非神经信号或 BCI。现有材料未给出其形式化机制与 EEG 建模瓶颈的具体对应关系，因此不提出跨领域迁移结论或复现实验建议。