预测中国回声问题的实用功能,使用prosody:来自声学分析和数据建模的证据
Siyi Cao1,2, Yizhong Xu3, Tongquan Zhou1
1School of Foreign Languages, Southeast University, Nanjing, China.
Frontiers in psychology
|April 18, 2024
概括
这项研究揭示了口语中文回声问题如何通过音调和强度传达意义. 声学线索在答对答不和呼声问题中区分了回顾和解释函数,支持矢量机模型显示出卓越的预测准确性.
科学领域:
- 语言学的语言学.
- 声学语音学的声音学
- 计算语言学 计算语言学
背景情况:
- 反响问题在口头沟通中具有回顾性和解释性功能.
- 之前的研究主要集中在欧洲语言上,在中国语言中留下了回声问题函数的表态传递.
- 基于中文文词曲的算法模型预测回声问题函数是新且未被充分探索的.
研究的目的:
- 调查在口语中文中回声问题的不同实用功能是否可以通过表达方式传达.
- 为了比较多样化的算法模型在使用prosodic线索预测这些函数的性能.
- 为对回声问题函数的认知理解提供数字化视角.
主要方法:
- 进行了一项声学实验,使用各种声学线索来分析中国回声问题.
- 采用数据建模,包括支持向量机 (SVM),随机森林 (RF) 和后勤回归 (LR),以预测实用函数.
- 在对-否回声问题和wh-echo问题之间进行区分.
主要成果:
- 对于对-否回声问题,解释函数显示的音调和强度高于回顾函数.
- 对于wh-echo问题,总结函数与解释函数相比,表现出更高的音调和强度.
- 支持向量机 (SVM) 算法在预测回声问题函数时,在使用前线索的过程中,超过了随机森林 (RF) 和后勤回归 (LR).
结论:
- 在中国回声问题中,音调和强度的前奏变化是区分复述和解释函数的重要线索.
- 在模拟中文中prosody和回声问题函数之间的关系方面,SVM表现出比RF和LR更高的有效性.
- 这项研究提供了经验证据,证明了在口语中文中回声问题函数认知的基础.
