声学词嵌入是否捕捉音系相似性？一项实证研究
计算与语言
2021-06-17 v1 声音
音频与语音处理
摘要
多种深度神经网络变体已成功用于构建参数化模型，将变时长口语词段投影到定长向量表示，即声学词嵌入（AWEs）。然而，我们在多大程度上可以依赖新兴 AWE 空间中的距离作为词形相似度的估计仍不清楚。在本文中，我们提问：声学嵌入空间中的距离是否与音系不相似度相关？为回答该问题，我们实证研究了具有不同神经架构和学习目标的 AWE 监督方法的性能。我们在受控设置下为两种语言（德语和捷克语）训练 AWE 模型，并在两项任务上评估嵌入：词判别与音系相似性。我们的实验表明：（1）在最佳情况下，嵌入空间中的距离仅与音系距离中等程度相关；（2）提升词判别任务上的性能未必能产生更好反映词音系相似性的模型。我们的发现凸显了重新思考当前 AWE 内在评估的必要性。
引用
@article{arxiv.2106.08686,
title = {Do Acoustic Word Embeddings Capture Phonological Similarity? An Empirical Study},
author = {Badr M. Abdullah and Marius Mosbach and Iuliia Zaitova and Bernd Möbius and Dietrich Klakow},
journal= {arXiv preprint arXiv:2106.08686},
year = {2021}
}
备注
Accepted in Interspeech 2021