[論文レビュー] Multi-Syllable Phonotactic Modelling

Anja Belz|ArXiv.org|Feb 22, 2001

Natural Language Processing Techniques被引用数 3

ひとこと要約

本稿では、複数の音節アプローチとオブジェクト指向有限状態モデリング（ofsモデリング）を組み合わせることで、言語固有の音韻的制約モデルを自動的に構築する新規手法を提示する。ストレスおよび位置に基づく複数の音節クラスを定義し、調整可能な閾値（τ）を有するクラスタリングベースの一般化アルゴリズムを適用することで、ドイツ語、英語、オランダ語の実際の語形に近い、過剰一般化が著しく少ない記号的音韻的モデルが生成される。

ABSTRACT

This paper describes a novel approach to constructing phonotactic models. The underlying theoretical approach to phonological description is the multisyllable approach in which multiple syllable classes are defined that reflect phonotactically idiosyncratic syllable subcategories. A new finite-state formalism, OFS Modelling, is used as a tool for encoding, automatically constructing and generalising phonotactic descriptions. Language-independent prototype models are constructed which are instantiated on the basis of data sets of phonological strings, and generalised with a clustering algorithm. The resulting approach enables the automatic construction of phonotactic models that encode arbitrarily close approximations of a language's set of attested phonological forms. The approach is applied to the construction of multi-syllable word-level phonotactic models for German, English and Dutch.

研究の動機と目的

• 単一音節モデルに内在する過剰一般化を是正すること。これは、自然言語における位置およびストレス依存の音韻的変異を捉えられていないためである。
• 言語に依存しない、データ駆動型の記号的音韻的モデルを構築するための方法を開発すること。そのモデルは、実際の音声形の集合を的確に反映するものである。
• クラスタリングを用いたプロトタイプモデルの自動生成と一般化を可能とし、調整可能な閾値（τ）により一般化の度合いを制御すること。
• 複数音節モデリングとofsモデリングを組み合わせることで、従来の単一音節アプローチに比べ、より正確で言語的に妥当な音韻的記述が得られることを示すこと。

提案手法

• 本手法は、語の位置（初頭、中間、終端）およびストレス（強調、非強調）といった音韻的要因に基づき、複数の音節クラスを定義する複数音節アプローチを採用する。
• オブジェクト指向有限状態モデリング（ofsモデリング）を用いて、言語に依存しないプロトタイプモデルを構築する。このモデルは、音節クラスのすべての組み合わせおよびそれらの階層的組み合わせを、高階層の構成要素として符号化する。
• プロトタイプモデルは、ドイツ語、英語、オランダ語の語彙データベースCELEXから抽出した音素列（完全に音節分割され、発音表記された形）を用いてインスタンス化される。
• 閾値パrameter τ を有するクラスタリングアルゴリズムを適用し、類似した音節クラスを統合することで、モデルを一般化する。この際、言語的に有意義な差異は保持される。
• 一般化の度合いは τ によって制御され、τ の値が低いほどクラスタ数が多く、より細かい区別がなされ、値が高くなるとより広範かつ一般化されたモデルが得られる。
• 本アプローチにより、実際の語形に極めて忠実な記号的音韻的モデルが自動的に構築可能であり、同時に制御可能なクラスタリングにより一般化が可能となる。

実験結果

リサーチクエスチョン

• RQ1 音節の位置およびストレスに基づく複数音節アプローチは、単一音節分析に比べ、より正確な音韻的モデルを生成できるか？
• RQ2 手動による言語固有の規則定義に依存せずに、データから記号的音韻的モデルを自動的に構築する方法は何か？
• RQ3 言語に依存しないプロトタイプモデルは、クラスタリングを用いてどの程度インスタンス化され、一般化可能か？ その結果、言語固有の音韻的パターンを的確に反映できるか？
• RQ4 一般化プロセスにおける閾値 τ の選択が、モデルの正確性とカバー範囲のバランスにどのように影響するか？
• RQ5 複数の音節クラスを区別することによる、誤った語形の生成数に及ぼす定量的影響は何か？

主な発見

• 複数音節アプローチは過剰一般化を顕著に低減する。ドイツ語において、モデル1（単一音節クラス）は10,598語の単音節語を符号化しているが、モデル3（12音節クラス）ではその数が6,841語にまで減少し、CELEXに記録された実際の数に一致する。
• モデル3（12音節クラスを区別）は、CELEXに記録された実際の数に比べて約266倍の二音節語形を符号化している。一方、モデル2は1.4倍、モデル1は4.2倍にとどまる。
• τ = 0.3 のとき、クラスタリングによりストレスが音韻的変異のより強い決定要因であることが明らかになった。複数言語にわたり、強調音節は明確に分離したクラスタを形成している。
• 英語では、ストレスと位置の両方が音韻的制約に強く影響するが、ストレスに起因する差異が位置に起因する差異よりも顕著に現れる。これは、異なるτ値におけるクラスタ形成の様子から示された。
• 本手法により、言語の実際の音声形に限りなく近い記号的音韻的モデルを構築可能であり、τ を用いた一般化の制御が可能となる。
• 本アプローチは、データ駆動型のインスタンス化とクラスタリングを用いた言語に依存しないプロトタイピングが、ドイツ語、英語、オランダ語の正確で一般化可能かつ言語的に意味のある音韻的モデルを効果的に生成できることを示した。