自然语音生产中的语法复杂性的自动测量:老年人和年轻成年人作为一个案例研究
Galit Agmon1, Sameer Pradhan2, Sharon Ash1
1Frontotemporal Degeneration Center, Department of Neurology, Perelman School of Medicine, University of Pennsylvania, Philadelphia.
Journal of speech, language, and hearing research : JSLHR
|January 12, 2024
概括
一种新的多维度度量有效量化语音中的语法复杂性,在区分年龄组方面表现优于其他方法. 这种自动化方法节省了分析自发言语的时间和精力.
科学领域:
- 语言学的语言学.
- 计算语言学 计算语言学
- 语音科学 语言科学
背景情况:
- 量化语音中的语法复杂性对于理解语言发展和衰老至关重要.
- 现有的自动化指标在捕捉细微语法差异的能力上有所不同.
研究的目的:
- 为了比较八个自动语法复杂度指标.
- 为了确定最能捕捉到年轻人和老年人之间经过验证的语法差异的指标.
主要方法:
- 利用了年轻 (18-22岁) 和年长 (53-89岁) 成人的自然语音样本.
- 开发了一种基于自动提取的语法结构的新型多维度度量.
- 将新指标与使用后勤回归和自动语音识别 (ASR) 系统的七个既定指标进行了比较.
主要成果:
- 开发的多维度指标成功预测了年龄组 (AUC = 0.87).
- 它的表现优于其他指标,特别是在ASR (AUC = 0.81) 的全自动化管道中.
- 其他指标,如Yngve分数和句子长度,显示ASR的性能下降.
结论:
- 在自发语音中的语法复杂性可以使用语法结构的多变量评估来可靠量化.
- 语法复杂性的自动导出为大规模的语料库分析提供了显著的时间和精力节省.
- 提出的方法保持了高面部有效性和语音分析的稳定性.
