分析分析方法：口语神经模型中的音系学案例

鉴于NLP与语音处理系统分析技术的快速发展，鲜有系统性研究比较各种方法的优劣。作为该方向的一步，我们研究了口语神经网络模型中音系学的表征。我们使用两种常用的分析技术——诊断分类器与表征相似性分析，来量化神经激活模式在多大程度上编码音素与音素序列。我们操控两个可能影响分析结果的因子。首先，我们通过比较从训练好的模型与随机初始化模型中提取的神经激活，考察学习的作用。其次，我们通过探测对应于语音信号几毫秒的局部激活，以及在整个话语上池化的全局激活，来检验激活的时间范围。我们得出结论：报告基于随机初始化模型的分析结果至关重要，且全局范围方法往往产生更一致的结果，我们建议将其作为局部范围诊断方法的补充。