[論文レビュー] Computational dialectology in Irish Gaelic

Brett Kessler|arXiv (Cornell University)|Mar 1, 1995

Linguistic Variation and Morphology参考文献 5被引用数 11

ひとこと要約

本稿では、音声文字変換とクラスタリング分析を用いて、アイルランドゲーリック語の自動的方言学的分析のための計算手法を提案する。レーベンシュタイン距離を音声変換に適用し、凝集型クラスタリングを実行することで、アイルランドの既知の国家的・地方的区分と整合する方言境界を同定する。本手法は、従来の等音線に基づく手法に代わるスケーラブルで正確な代替手段を提供する。

ABSTRACT

Dialect groupings can be discovered objectively and automatically by cluster analysis of phonetic transcriptions such as those found in a linguistic atlas. The first step in the analysis, the computation of linguistic distance between each pair of sites, can be computed as Levenshtein distance between phonetic strings. This correlates closely with the much more laborious technique of determining and counting isoglosses, and is more accurate than the more familiar metric of computing Hamming distance based on whether vocabulary entries match. In the actual clustering step, traditional agglomerative clustering works better than the top-down technique of partitioning around medoids. When agglomerative clustering of phonetic string comparison distances is applied to Gaelic, reasonable dialect boundaries are obtained, corresponding to national and (within Ireland) provincial boundaries.

研究の動機と目的

• 計算言語学を用いて、アイルランドゲーリック語の方言グループを客観的かつ自動的に同定する手法を開発すること。
• レーベンシュタイン距離が、従来の等音線カウント法やハミング距離と比較して、言語的類似性を測定する上でどれほど効果的であるかを評価すること。
• 凝集型クラスタリングとメディオイド周辺のパーティショニング（PAM）を比較し、方言境界検出に適したクラスタリングアルゴリズムを評価すること。
• 計算された方言境界が、アイルランドの既知の地理的・言語的区分と一致するかどうかを検証すること。
• 音声文字列比較が、人的に労力のかかる手作業の方言学的手法に代わることを示すこと。

提案手法

• 異なるアイルランドの地域から得られた発話サンプルの音声文字変換同士の間で、レーベンシュタイン距離を計算し、言語的距離を定量化する。
• 距離計算の入力として、言語地図データから得られた音声文字列を用いる。
• 距離行列に凝集型クラスタリングを適用し、地域を方言クラスタにグループ化する。
• クラスタリングの正確性という観点から、凝集型クラスタリングとパーティショニング・アラウンド・メディオイド（PAM）法の性能を比較する。
• 得られたクラスタを、既知の国家的（例：アイルランド共和国対北アイルランド）および地方的（例：アルスター、ムンスター、コンナート）境界と照合して評価する。
• 本手法は語彙マッチング（ハミング距離）に依存せず、より正確さを高めるために音声の変異に焦点を当てる。

実験結果

リサーチクエスチョン

• RQ1 音声文字変換間のレーベンシュタイン距離は、従来の等音線に基づく方言学的分析を信頼性高く近似できるか？
• RQ2 アイルランドゲーリック語の方言間の言語的類似性を測定する際、ハミング距離と比較してレーベンシュタイン距離はどのように優れているか？
• RQ3 凝集型クラスタリングとPAMのどちらのクラスタリングアルゴリズムが、より地理的・言語的に妥当な方言グループを生成するか？
• RQ4 計算された方言境界が、アイルランドの既知の国家的および地方的区分とどの程度一致するか？
• RQ5 自動音声分析が、方言学的研究における手作業の等音線カウントを置き換えることができるか？

主な発見

• レーベンシュタイン距離は、手作業による等音線カウントと強く相関しており、言語的距離の代理指標としての有効性が裏付けられた。
• ハミング距離よりもレーベンシュタイン距離が精度で優れているのは、単なる語の一致を超えて音声の変異を考慮しているからである。
• 凝集型クラスタリングは、メディオイド周辺のパーティショニング（PAM）法よりも、より整合性があり地理的に妥当な方言グループを生成した。
• 計算手法によって得られた方言境界は、アイルランドの既存の国家的および地方的区分とよく一致した。
• 本研究では、レーベンシュタイン距離を用いた音声文字列比較が、手作業による等音線マッピングを必要とせず、スケーラブルで客観的かつ正確な方言学的分析を可能にすることを示した。
• 本手法は、人的に労力のかかる方言学的技術の計算的に効率的な代替手段を提供し、大規模な言語分析に適している。