Cepstral coefficients successfully distinguish the front Greek fricatives
Notice bibliographique
Résumé
In the current study, we explore the factors underlying the well-known difficulty in acoustic classification of front fricatives (McMurray & Jongman, 2011; Maniwa et al., 2009) by taking a closer look at the production of 29 native Greek speakers. Our corpus consists of Greek fricatives from five places of articulation and two voicing values [f, v, θ, ð, s, z, ç, ʝ, x, ɣ] produced in nonce disyllabic words before [a, o, u] in stressed syllables (e.g., [ˈθakos]). We apply a relatively novel classification method based on cepstral coefficients, previously successful with obstruent bursts (Bunnell et al., 2004), vowels (Ferragne & Pellegrino, 2010), and Romanian fricatives (Spinu & Lilley, 2016). Our method yields the best correct classification rates reported to date for front fricatives: Present study: 88%; English: 66% (Jongman et al., 2000), Greek: 55.1% (Nirgianaki, 2014). The important cues for the successful classification are the vowel following the target fricative and the second region of frication noise. Our study adds to the body of work aimed at identifying techniques for quantifying and categorizing large samples of speech. Obtaining higher classification rates than before takes us one step closer to understanding the properties of “difficult” sounds like the front fricatives.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».