New Brown Corpus

我们引入了一个新的数据集，用于训练和评估扎根的语言模型。我们的数据是在虚拟现实环境中收集的，旨在模拟语言前儿童可能可以访问的语言数据的质量: 即自然主义的自发语音与丰富的视觉空间上下文相结合。我们使用收集到的数据来比较动词学习的几种分布语义模型。我们评估基于2D (像素) 特征的神经模型以及基于3D (符号，空间) 特征的特征工程模型，并表明两种建模方法都无法达到令人满意的性能。我们的结果与儿童语言习得的证据一致，该证据强调了从幼稚的分布数据学习动词的难度。我们讨论了未来基于认知的基础语言学习工作的途径，并发布了语料库，以促进对该主题的研究。