通过模拟一群玩基础语言游戏的个体，本文研究了类别的本质讨论，发现它们由两个层次构成：一个基础层负责环境的细致辨别，另一个语言层将感知编组在一起，以保证交际的成功。值得注意的是，语言类别的数量是有限的、很小，与自然语言中的情况相似。

Mar, 2007

探讨了人类语言习得中词汇分类的起源是基于先天内在结构还是出于自然学习的能力，利用人工神经网络预测语句中下一个词，揭示了也许由于预测编码和过程，大脑也可能形成抽象的词汇分类，即使其在训练时没有接收到有关词汇分类或语法规则的任何明确信息。

Feb, 2023

人们如何获取句法类别知识是基础性问题，本研究回顾了各种工程方法，目的在于无需先验句法知识就能正确识别样本文本中的词性，并讨论了模型的评估、约束因素以及上下文对词性的确定等共同主题。这些主题为深入研究认知过程奠定了基础，并提供了当前无监督词性标注模型的有用参考。

Dec, 2023

本研究介绍了一个自动框架，旨在通过自动发现和可视化语法的不同方面来促进语言教学，其中从自然语料库中提取描述单词排序、一致性、语法标记或词形成及词汇学习的描述，并显示例证。作者在印度语言 Kannada 和 Marathi 上应用此方法，以评估其实用性，并邀请北美的语言教育家对这些语言进行手动评估。教师们认为这些材料有趣，可以用作自己的课程准备或学习者评估的参考资料。

Jun, 2022

本文使用计算实验来探讨暴露在实际语言使用中对于构式语法出现的作用，并实验证明词汇表的增长速度比语法更快，而且语法的增长速度并不依赖于词汇表的增长速度。同时，面向特定寄存器的语法在暴露量增加时会收敛到更相似的结构中，这意味着随着曝光量的增加，特定寄存器的影响变得越来越不重要。最后，本文提出了一个计算模型，包括构式语法的出现和未压缩。

Nov, 2022

通过自动发现和可视化语法描述，本研究旨在帮助语言教育专家自动创建材料，以便教授印度语言中的语法和语义知识。

Oct, 2023

本论文研究了无监督机器学习在自然语言方面的应用，提出了三种新算法，旨在考察 “刺激贫乏” 问题以验证人类是否具有特定内在语言知识，最终得出刺激贫乏论不受证据支撑的结论。

Dec, 2002

探讨语言的本质及其生成语法对特定句法结构的授权方式等方面的问题，指出重新发现语言作为人类行为的本质并了解它的动态、社会、多模式、有意义、意图在于在他人和自己中促进可取的行动（或思维）可能可能指向语言的新的，可行的解决方案。

Mar, 2023

本文探讨如何在没有专门的句法指导的语料库中从语料学习句法的可行性，以语料库的观察结构为基础，通过定义和隔离语法和意义 / 语用学信息，我们描绘了自主语法的形式特征，并展示了通过简单的优化过程搜索基于语法的词汇类别，而无需对模型形式做任何先验假设的可能性。

May, 2020

我们通过分析 BERT 在语言学敏感任务中的表征行为，发现它在使用新词汇时能够向已知词汇的类别示例区域推广，这表明学习者的示例编码能够产生类似于抽象的行为。

Nov, 2023