ランダムフォレスト分類における個別レベルのパターンは,会話用英語におけるフリクティブのランダムフォレスト分類である

科学分野:

• 言語学 言語学とは
• 音声学についてです.
• 社会言語学 社会言語学
• コンピュータ言語学 コンピュータ言語学

背景:

• 社会言語学面接は,言語パターンを分析するための豊富なデータを提供します.
• フリカティブは,音声の多様性のためにしばしば研究される重要な音声である.
• 以前の研究では,主にグループレベルの音響的言語の違いに焦点を当てていた.

研究 の 目的:

• 摩擦生成における個々のレベルの音響パターンを調査する.
• スピーカー特有の音声分析にランダムな森林分類モデルを適用する.
• 個々のスピーカー内の摩擦を区別するために,どの音響尺度が最も情報的であるかを特定するために.

主な方法:

• 西カナダ英語から社会言語学的なインタビュースピーチのコーパスを利用しました.
• ランダムな森林分類モデルを用いて,23のスペクトル,持続,振幅の音響測定法を取り入れました.
• 個々のスピーカーレベルでの摩擦を区別するために様々な音響のヒントの重要性を分析しました.

主要な成果:

• 個別レベルのランダムフォレストモデルは,摩擦性生産における区別を成功裏に捉えました.
• 中点標準偏差,スペクトルのピーク周波数,ピークパワー,セグメント持続時間などの測定値が重要な予測指標でした.
• 特定の音響は,スピーカー間の違いよりも,スピーカー内の違いにとってより重要でした.

結論:

• 音響的な測定は,個別のスピーカー内の有意義な音声的な区別を明らかにすることができます.
• 摩擦器の音響的実現における個々の変動は顕著である.
• より広範な音響情報は,個々のレベルでさえも,正確なスピーチ音の分類に重要です.