TY -的A2 Labatut文森特盟——Beckage妮可·m . AU - Colunga艾丽亚娜一直PY - 2019 DA - 2019/10/31 TI -网络增长模型来捕获单个词汇学习SP - 7690869六世- 2019 AB -网络模型的语言提供了一个系统化的方法来连接的结构和连接语言认知过程。使用网络增长模型来捕捉学习,我们专注于研究复杂性的出现在早期的语言学习者。具体来说,我们捕捉的涌现结构年轻孩子的词汇量通过网络增长模型假设基础知识表示的语义和语音网络。在建筑和分析这些网络增长模型,我们探索语音或语义关系词与词之间是否在预测网络增长发挥更大的作用,因为这些年轻的学习者词汇添加新单词。我们也研究这些语义和语音的重要性如何表征发展变化的过程中。我们提出一种新颖的网络增长和重要的理论框架模型,采集和测试这些模型的预测能力的话一个特定的孩子可能在未来学习大约一个月。我们发现,收购模型最适合的影响底层网络表示,假定增长的过程,网络中心测量用于将收购的认知基础与网络增长。联合的重要性表示、处理和个人的贡献的话,网络模型的预测精度强调早期收购的复杂和多方面的性质,提供了新的工具,并建议研究词汇习得的实验假设。SN - 1076 - 2787你——https://doi.org/10.1155/2019/7690869——10.1155 / 2019/7690869 JF - PB - Hindawi KW - ER -复杂性