利用特征信息波生成对抗网络解读阿萨姆语元音和谐

理解音系学习的传统方法主要依赖于精心整理的文本数据。尽管富有洞察力,但这类方法限制了从口语文本表示中捕获的知识。为克服这一局限,我们研究了特征信息波生成对抗网络模型利用原始语音数据学习迭代长距离元音和谐的潜力。我们聚焦于阿萨姆语,这是一种以其音系上逆行的词界元音和谐而闻名的语言。我们证明,该模型擅长掌握阿萨姆语音位配列的复杂性,特别是具有逆行方向性的迭代长距离和谐。它还产生了类似于人类语言习得过程中语音错误的非迭代非法形式。我们的统计分析显示,在新项目上,特定的[+高,+先进元音舌根]元音作为触发因素具有偏好,这表明了特征学习。更多的数据和控制可以提高模型熟练度,这与学习的普遍性形成对比。