電腦輔助華語學習之聲調偏誤類型偵測

Tone Error Pattern Detection for Computer-Assisted Learning of Mandarin Chinese

蘇嘉雄(Ka-hong Sou)

指導教授 ： 李琳山

國立臺灣大學/電機資訊學院/電信工程學研究所/碩士(2014年)

https://doi.org/10.6342/NTU.2014.02460

摘要

聲調學習一直是非母語之華語學習者的一大難題，故本論文就其聲調偏誤類型之自動偵測進行初步研究，以期待電腦輔助華語學習者學習。本論文以音節為單位，抽取基頻、能量、長度及其他類別等相關韻律特徵，為每一種聲調建構語者不相關的聲調偏誤偵測模型及相關技術，並自動學習出重要的參數。本論文發現音高軌跡以音節為單位正規化可以去除語者相關的韻律特性，並保留聲調相關的韻律特性；而增加前後音節的聲調類別、音節發音的韻律類別及音節內的音高變化韻律資訊，都能提升聲調偏誤偵測模型的分類效能；而在建構聲調偏誤偵測的模型上，發現使用一種隨機森林變形 (Variant of Random Forest) ，不論在特徵參數選取、模型結合及原訓練集資料的利用上，都優於一般的隨機森林。最後，本論文結合三種正規化特徵訓練的隨機森林變形，提出結合三者優點的方法並考量最適的結合權重，獲得目前最好的分類正確率。本論文提出的韻律特徵參數、聲調偏誤偵測模型及三種正規化特徵的整合方法，可減少基礎實驗 (baseline) 的錯誤接受率約3.92%；錯誤拒絕率約4.89%；診斷錯誤率約5.77%；三者的平均約4.86%。

關鍵字

聲調偏誤偵測模型 ； 聲調 ； 基頻 ； 中文韻律 ； 語者不相關

並列摘要

無資料

並列關鍵字

Tone Error Patterns Detection Model ； Tone ； Pitch ； Prosody ； Speaker Independent

參考文獻

[18] 王祐邦, “發音偏誤模式之督導式偵測與非督導式探勘用於電腦輔助語言學習(Supervised Detection and Unsupervised Discovery of pronunciation Error Patterns for Computer-Assisted Language Learning),” 博士論文, 國立台灣大學電機工程學研究所, 2014

[1] Chiu-yu Tseng, “Prosody Analysis," in Advances in Chinese Spoken Language Processing, edited by Chin-Hui Lee, Haizhou Li, Lin-Shan Lee, Ren-Hua Wang, Qiang Huo, World Scientific Publishing, Singapore, pp.57-76, Singapore, 2006

[3] Wentao Gu, Keikichi Hirose, and Hiroya Fujisaki, “Comparison of Perceived Prosodic Boundaries and Global Characteristics of Voice Fundamental Frequency Contours in Mandarin Speech,” in Proc. ISCSLP 2006

[4]盧彥廷, “以預測的韻律詞邊界建構韻律模型使用於大字彙中文語音辨識(Large Vocabulary Continuous Mandarin Speech Recognition with Prosodic Modeling Using Predicted Prosodic Word Boundaries),” 碩士論文, 國立台灣大學電信工程學研究所, 2007

[6] 林婉怡, “流利國語語音之聲調辨識及其在大字彙辨識上的應用(Tone Recognition for Fluent Speech and Its application on Large Vocabulary Recognition),” 碩士論文, 國立台灣大學電信工程學研究所, 2004