利用 CCG 探索大脑语言理解的时空动态

基于摘要分析。本研究关注人类增量式句子加工如何体现于神经活动，采用 Combinatory Categorial Grammar（CCG，组合范畴语法）衍生指标，考察其对 EEG 和 fMRI 数据的预测贡献。作者报告，这些指标改善了相关 ERP 成分及语言相关脑区响应的拟合。 既有研究使用 node count，即句法表征树中的节点数量，刻画句子加工的结构复杂度并预测神经活动。但这一指标不能区分生成句法结构的不同操作。本文以 CCG 为理论框架，尝试引入更细化的语法指标，探索不同句法操作及其他语法属性与神经响应之间的关系。摘要未列出具体指标、句法推导方式或统计模型，因此尚不能判断各指标如何区分加工过程，以及它们是否提供了超出总体结构复杂度的独立解释。 结果层面，作者报告拟合改善涉及相关 ERP 成分和语言相关脑区，但摘要未给出具体成分、脑区、效应量或显著性，也未明确拟合改善采用的参照模型。数据来源、被试数量、语言材料、训练与评估划分、实验协议、消融及统计信息尚未验证，需结合全文核对结果的稳健性与可复现条件。 本研究主要属于语言理解的计算神经语言学解释建模，而非 BCI 解码方法验证。其直接阅读价值在于考察语言学理论导出的结构指标如何对应 EEG 的时间响应与 fMRI 的空间响应；摘要不支持将拟合改善进一步解释为 BCI 性能提升或句法操作的因果证据。