Głoski dźwięczne i bezdźwięczne

Jako trochę bardziej skomplikowany przykład, zobaczmy następującą hipotezę: wyraz w ulegnie ubezdźwięcznieniu, jeśli po nim następuje wyraz zaczynający się od głoski bezdźwięcznej i analogicznie pozostanie dźwięczny w przypadku głoski dźwięcznej. Na przykład:

• w drużynie - w jest dźwięczne (czyli v)
• w samochodzie - w jest bezdźwięczne (czyli f)

Wczytajmy naszą bazę:

library(emuR)

Attaching package: ‘emuR’

The following object is masked from ‘package:base’:

    norm

db <- load_emuDB('clarin', verbose = FALSE)

Zobaczmy, ile jest w ogóle wyrazów w w korpusie:

segs_all <- query(db,'[Word == w]')

Z tych 230 przykładów zróbmy podział na takie, po których następują głoski dźwięczne i bezdźwięczne:

segs_unv <- query(db,'[Word == w -> [Word =~ .* ^ [Phoneme == t | p | s | S | tS | tsi | si | f | x | k | ts & Start(Word,Phoneme)==1]]]')
segs_voi <- query(db,'[Word == w -> [Word =~ .* ^ [Phoneme != t | p | s | S | tS | tsi | si | f | x | k | ts & Start(Word,Phoneme)==1]]]')

Kwerenda ta jest trochę bardziej skomplikowana, więc rozbijmy ją na posczególne części:

• szukamy wyrazu w
• po tym wyrazie (znak -> oznacza następstwo) występuje to, co w nawiasie kwadratowym
• może to być dowolny wyraz (znak .* oznacza dowolną sekwencję znaków - jeśli używamy wyrażeń regularnych, musimy też stosować symobl =~ zamiast prostej równości)
• w innym poziomie tego wyrazu musi występować fonem z listy
• fonem ten musi być na pierwszym miejscu w wyrazie

Widać, że tutaj znowu mamy szczęście i liczność obydwu grup segmentów jest mniej więcej równa:

length(segs_voi[,1])

[1] 1

length(segs_unv[,1])

[1] 1

Jak spojrzymy na zawartość jednego z tych segmentów, zobaczymy, że opis każdego zawiera zarówno wyraz w, jak i to, co następuje po nim:

segs_unv$labels[1:10]

 [1] "w->szkole"       "w->pierwszych"   "w->ciemnościach" "w->prostokątnej" "w->kraju"        "w->którym"       "w->tych"        
 [8] "w->świecie"      "w->tym"          "w->posiadaniu"  

Możemy użyć następującego polecenia, żeby wybrać tylko te części segmentów należące do wyrazu w:

w_unv=requery_seq(db,segs_unv)
w_voi=requery_seq(db,segs_voi)

Następnie, użyjmy poniższego polecenia, żeby odczytać annotację wyrazu na poziomie fonemów, zamiast wyrazu:

ph_unv=requery_hier(db,w_unv,'Phoneme')
ph_voi=requery_hier(db,w_voi,'Phoneme')

Zróbmy teraz tabelę podsumowującą:

d_voi=data.frame(voicness=rep('Dźw.',length(ph_voi[,1])),
                 phoneme=ph_voi$labels)
d_unv=data.frame(voicness=rep('Bezdź.',length(ph_unv[,1])),
                 phoneme=ph_unv$labels)
dt=table(rbind(d_voi,d_unv))
dt

        phoneme
voicness   f   v
  Dźw.     8 102
  Bezdź. 113   7

A na koniec narysujmy wykres:

barplot(dt,legend=rownames(dt))

Ten przykład może i nie jest idealny, bo nie wykorzystuje żadnych wyliczonych cech, tylko polega na informacji wywnioskowanej przez system automatycznego rozpoznawania mowy. System ten pozwala na podwójną transkrypcję (zarówno v jak i f) i używa modelu akustycznego, wytrenowanego na zbiorze danych, żeby znaleźć najlepiej pasującą transkrypcję do nagrania. Niemniej jednak widać, że dla większości przypadków, proces ten działa: wyraz w jest ubezdźwięczniany, jeśli po nim następuje głoska dźwięczna i na odwrót.

W każdym razie celem tego zeszytu było pokazanie w miarę skomplikowanej sytuacji życiowej i kwerendy potrzebnej do jej zrealizowania. Pokazano też dwa dodatkowe polecenia, które się bardzo przydają do doprecyzowania poszukiwanej informacji.