探索生成对抗网络如何学习音系表征
计算与语言
2023-05-23 v1 声音
音频与语音处理
摘要
本文探讨生成对抗网络（GANs）如何学习音系现象的表征。我们应用 ciwGAN 架构（Begus 2021a）分析 GANs 如何编码法语与英语元音中对比性与非对比性鼻音。Begus 声称 ciwGAN 在其潜空间中以类别变量编码具有语言学意义的表征，且操控潜变量显示出对 ciwGAN 生成输出中音系特征的近乎一一对应控制。然而，我们的结果显示潜变量对生成输出中特征的交互作用，表明神经网络所学表征不同于语言学家提出的音系表征。另一方面，ciwGAN 能够通过差异化编码来区分英语与法语中的对比与非对比特征。比较从不同语言学习的 GANs 性能，可更好理解何种语言特定特征有助于发展语言特定的音系表征。我们还讨论了训练数据频率在音系特征学习中的作用。
引用
@article{arxiv.2305.12501,
title = {Exploring How Generative Adversarial Networks Learn Phonological Representations},
author = {Jingyi Chen and Micha Elsner},
journal= {arXiv preprint arXiv:2305.12501},
year = {2023}
}