Generating Feature Vectors from Phonetic Transcriptions in Cross-Linguistic Data Formats

要約

言語間で音声を比較する場合、学者は、きめの細かい音声の類似性を判断するために、個々の音声の特徴表現を利用することがよくあります。
多数の音声に対するバイナリ特徴量システムが提案されていますが、大規模な計算アプリケーションでは、提案された特徴量システムが、たとえ数千音の特徴をリストしたとしても、多数の音声のごく一部しかカバーしていないという課題に直面することがよくあります。
実際の言語を越えたデータに反映された音。
証明された音声のデータが欠落しているという問題に対処するために、我々は、Cross-Linguistic Transcription によって提案されている国際音声文字の標準化バージョンで表現できるすべての音声に対してバイナリ特徴ベクトルを動的に作成できる新しいアプローチを提案します。
システム (CLTS) リファレンス カタログ。
CLTS は、2,000 を超えるさまざまな言語をカバーする大規模なデータ コレクションで積極的に使用されているため、バイナリ特徴ベクトルを生成する手順により、多言語単語リストの非常に大規模なコレクションに即座にアクセスできます。
さまざまなデータセットでさまざまな方法で特徴システムをテストすると、このシステムが音声の類似性を比較する簡単な手段を提供するのに役立つことが証明されるだけでなく、将来の言語を越えた機械学習アプリケーションで使用できる可能性も示されます。

要約(オリジナル)

When comparing speech sounds across languages, scholars often make use of feature representations of individual sounds in order to determine fine-grained sound similarities. Although binary feature systems for large numbers of speech sounds have been proposed, large-scale computational applications often face the challenges that the proposed feature systems — even if they list features for several thousand sounds — only cover a smaller part of the numerous speech sounds reflected in actual cross-linguistic data. In order to address the problem of missing data for attested speech sounds, we propose a new approach that can create binary feature vectors dynamically for all sounds that can be represented in the the standardized version of the International Phonetic Alphabet proposed by the Cross-Linguistic Transcription Systems (CLTS) reference catalog. Since CLTS is actively used in large data collections, covering more than 2,000 distinct language varieties, our procedure for the generation of binary feature vectors provides immediate access to a very large collection of multilingual wordlists. Testing our feature system in different ways on different datasets proves that the system is not only useful to provide a straightforward means to compare the similarity of speech sounds, but also illustrates its potential to be used in future cross-linguistic machine learning applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google