基于发音特征 phonetic 编辑距离发现词汇相似性
计算与语言
2022-01-21 v1
摘要
两种语言之间的词汇相似性（LS）揭示了诸多有趣的语言学洞见，例如亲缘关系、相互可理解性，以及一种语言的词汇在另一种语言中的使用。评估词汇相似性的方法多种多样。就此而言，本文提出了一种语音编辑距离（PED）方法，该方法利用与字母相关的发音特征进行软比较。系统将单词转换为相应的国际音标（IPA），随后将 IPA 转换为其发音特征集合。之后，使用所提方法比较发音特征集合的列表。例如，PED 给出的德语单词 vater 与波斯语单词 pidar 的编辑距离为 0.82；类似地，希伯来语单词 shalom 与阿拉伯语单词 salaam 为 0.93，而作为并列比较，它们基于 IPA 的编辑距离分别为 4 和 2。实验在六种语言（阿拉伯语、印地语、马拉地语、波斯语、梵语和乌尔都语）上进行。在这方面，我们从 Universal Dependency 语料库中提取了按词性的词表，并评估了每对语言之间的词汇相似性。因此，借助所提方法，我们发现了这些语言之间尽管存在文字差异和语音变异现象，但仍存在的遗传亲缘性、相似性以及借用/外来词。
引用
@article{arxiv.2008.06865,
title = {Discovering Lexical Similarity Through Articulatory Feature-based Phonetic Edit Distance},
author = {Tafseer Ahmed and Muhammad Suffian Nizami and Muhammad Yaseen Khan},
journal= {arXiv preprint arXiv:2008.06865},
year = {2022}
}