不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不连续句法分析，将带潜变量的概率上下文无关句法结构推导扩展为允许中心语与不受限制的不连续性，提出同时覆盖成分句法分析和依存句法分析的形式化框架。 核心贡献在于对推导过程进行概率建模。作者指出，新框架能够在所有不连续句法分析构成的空间上定义概率分布，因此可使用交叉熵进行内在评估。这里的交叉熵用于评估模型对句法分析结构的概率建模，并不等同于句法分析准确率；摘要未提供具体评估数据或结果。 作者还给出与该推导模型等价的自动机模型，并指出它可用于确定性句法分析。这使论文的阅读重点落在形式化表达能力、概率分布的构造以及推导模型与自动机之间的对应关系，而不是神经网络结构或预训练模型。 摘要未说明潜变量的具体定义、参数估计方法、解析算法复杂度、数据集及对照结果；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，所给材料未建立其与 EEG 或 BCI 的具体机制对应关系，因此不据此提出迁移效果或复现实验建议。