Feb, 2024

声音在系统发育重构中是否有效？

PDF
TL;DR通过对十个不同语系的多样数据集和最先进的自动同源词和音序对照检测方法的建立，我们首次测试了基于音序对比与基于同源词对比的方法在语系重建中的性能，并发现从同源词重建的语系与黄金标准语系之间的拓扑距离平均上缩短了约三分之一。
language evolutionphylogenetic inferencecomputational approacheslexical cognatessound correspondences
发现论文，激发创造
  • 自动化声音变化预测用于系统演化推测：图卡诺亚人案例研究

    我们描述了一套新的方法来部分自动化语言系谱推断，给出了包括词族集、特定原型和音变的声音法则的映射，以及声音变化的语言类型学数据库。通过在这些声音变化数据上训练神经网络，我们取代了语言学专家在基于最简方案的语言系谱推断算法中的部分工作，从而加权不同声音之间的发音差距，并预测历史上原型和现代后代之间的中间声音变化步骤。在对图卡诺安语言进行的最佳实验中，该方法生成了一棵 Generalized Quartet Distance 为 0.12 的树，高于其他半自动化基线。我们讨论了我们的神经网络方法和基于最简方案的树预测的潜在优势和劣势。我们还尝试了一种最小概括学习器来自动引导音变法则，发现其效果与专家注释的声音法则相当有效。我们的代码可在此 https URL 上公开获取。

    Feb, 2024

  • 语言树的准确性

    通过 Ethnologue 专家分类的比较，对使用全球语言数据库进行语系重构的距离方法进行了全面调查和准确性评估，并量化了数据库的完整性和覆盖范围对重构准确性的影响。

    Mar, 2011

  • 修剪语音对齐改善从多语言词汇列表中推断音对应模式

    本研究提出了基于生物进化中所采用的修剪技术的音位对齐修剪工作流程来改进语音拟音同源语识别技术，经实验证明这种方法可以大幅度提升同源识别的一致性，增加高频的音位对应规律和通用的同源单词的比例。

    Mar, 2023

  • 使用削减对齐和音位对应模式进行快速自动音系重建的新框架

    本文介绍了一种新的计算机模型，该模型结合了最先进的自动化序列比对技术和新颖的语音对准分析技术以及声音对应模式检测技术，可用于监督祖先语言的单词形态学恢复，测试结果表明该方法既快速又易于实现和扩展。

    Apr, 2022

  • 从古至今：神经原语言重建

    本文研究历史语言学中的声音变化规律及该规律如何使用比较法进行原形词的重构，提出使用神经序列模型对比较法数据集中的超过 8000 个比较条目进行原形词的预测，结果表明神经序列模型优于现有的传统方法。语音学变化的复杂性存在一定的差异，但该模型仍学习了有意义的语音规律。

    Aug, 2019

  • Levenshtein 距离下的印欧语系树

    通过比较词汇的遗传距离，在 Swadesh 列表中对同义词进行归一化的 Levenshtein 距离计算，提出了一种降低个人判断主观性的语言之间遗传距离计算方法，并利用该方法构建了一种印欧语系的语言树。

    Aug, 2007

  • 翻译重建：从翻译中重建语系进化树

    翻译包含源语言的强信号，使得从单语文本中还原出源语言的语言树成为可能。源语言干扰是翻译文本最显著的特征，超越了更微妙的翻译普遍属性信号。

    Apr, 2017

  • 通过语音转录生成特征向量的跨语言数据格式

    通过提出新的方法，动态地为所有可以表示为 CLTS 标准版本中的声音创建二进制特征向量，我们解决了缺失数据的问题，可以直接访问非常庞大的多语言词表集合，并证明该特征系统不仅可以提供比较语音相似性的简便手段，还可以在未来的跨语言机器学习应用中发挥其潜力。

    May, 2024

  • 通过反射预测改进的神经原型重建

    通过运用反射预测模型对重构模型中的候选原型进行重新排序，我们的研究在三个中国和罗曼语数据集中超越了最先进的原型重建方法。

    Mar, 2024

  • 自动音韵重构和同源语反射预测的认知变换器

    我们将蛋白质语言模型 MSA Transformer（多序列比对变换器）应用于自动语音演变重建问题，命名为同源变换器，并在同源反射预测任务中得出优于现有模型的结果，特别是在掩码词预测任务的预训练下。

    Oct, 2023