维哈柯及蒙语多文种语言相似性考查研究.docxVIP

第27卷第6期中文信息学报V01．27，No．62013年11月JOURNALOFCHINESEINFORMATIONPROCESSINGNov．，2013文章编号：1003—0077(2013)06—0180—07维哈柯及蒙语多文种语言相似性考查研究王玲2，达瓦·伊德木草1’2，吾守尔·斯拉木1’2(1．新疆大学信息与工程学院，新疆鸟鲁木齐830046；2．新疆大学新疆多语种信息技术实验室，新疆乌鲁木齐830046)摘要：该文以阿勒泰语系下的维哈柯及蒙古语多语言平行文本和语音语料为研究对象，分别对比多语言文本量化序列向量及语音声学音律特征的相似度，研究语言信息闻存在的相通性。试验发现，同语系同语族黏著语言相似度较高：文本相似性达85％；声频特征相似性达95％。从而确认在同语系多种黏着语言间创建语言信息共享云模的可行性，这将有利于实现语言文本及语音信息的跨语言转换处理，极大降低少数民族语言信息处理成本。关键词：同语系同语族语言；平行语料；声学音律特征；基频F。；相似性考查中图分类号：TP391文献标识码：AAnInvestigationResearchontheSimilarityofUyghurKazakhKyrgyzandMongolianlanguagesWANGLin92，DAWAYidemuca01”，WUShouerSilamul’2(1．CollegeofInformationScience＆Engineering，XinjiangUniversity，Urumqi，Xinjiang830046，China；2．XinjiangLaboratoryofMulti-languageInformationTechnology，XinjiangUniversity，Urumqi，Xinjiang830046，China)Abstract：Inthispaper，aninvestigationisdoneforthesimilaritybetweenthesamefamilyandagglutinativelangua—ges(suchasAhaifamilylanguages，forexample，Uyghur，Kazakh，KyrgyzandMongolianusingdifferentcountriesandareas)．Cosinesimilaritymeasureisusedtocalculatethesimilarityusingtheparalleltextsandtheacousticlea—turesextractedfromthesamecontentspeechsentencesspokenbythedifferentlanguagespeakers．Experimentalre-suhsshowthatthetransformationiSmorefeasiblebywordtowordunitswhenlearningtheconnectionruleofastemandanaffix(functionwords)betweenlanguagesbywordlevelandcommonacousticmodels．Thus，thisavoidstheuphillworkofMTfortheresource-deficientlanguagessuchasminoritylanguagesbeingusedinthedevel—opingcountries．Additionally，thecostscanbereduced．Keywords：samefamilyandagglutinativelanguage；paralleltext；acousticandprosodyparameters；Fo；similarity果L1_3J。1引言语言信息的自动处理往往需要丰富的语言信息知识，大规模语言资源的收集、整理、建设，需要耗费多语言信息处理，尤其是少数民族语言信息处大量人力、物力、财力，并且对于小语种语言(即少数理正从文字信息处理阶段跨越到较复杂的自然语言民族语言)其现有语言资源缺乏，严重阻碍了少数民及语音处理阶段，机器翻译MT(MachineTransla—族语言信息处理的深入发展。本文研究同语系多种tion)，大词汇连续语音识别LVCSR(LargeVocab—黏着语言间的相似性，以期实现语言资源间的共享。ularyContinuousSpeechRecognition)等新技术在自然界存在许多较相似的语言，如同语系语言，而同少数民族语言信息处理中逐步得到预期测试效一语系下同语族语言间相似性更高，这些语言不仅收稿日期：2013—07—20定稿日期：2013—09—18基金项目：国家自然科学基金资