英语论文网

［摘要］在关联理论视角下，对语音感知的语群的划分、音位的识别和单词的辨认三个部分进行综述与评价，英语论文范文并对研究的发展趋势进行了简要的讨论。
［关键词］语音感知；关联结理论；模型
２０世纪８０年代以来，关联理论被广泛应用于心理语言学的研究中。言语感知的研究主要包括语群的划分以及音位与单词的辨认两个方面，本文针对关联语言对于语音感知的相关研究进行综述与评价。
一、语流的切分
语音感知是语言理解的起始阶段，是听者把连续的语音辨认为单词的过程。语音的感知不同于文字的识别，因为语音不像印出来的文字那样，可分解成一个个分离的单位。因为人类的语音缺乏恒定的标准，所以语群划分的提示特征一直是心理语言学关于言语感知研究的一个核心问题。一种语言包含一定数量的音位，但是各个音位在具体环境中的表现形式却是多种多样的，周围的语音、协同发音、讲话人发音器官的差异以及语音的韵律特征等因素都有可能造成音位特定表现形式的变化。
在英语中，实义词如果强音节开始，那么听者就会在遇到强音节时进行切分。响度原理认为，在一个音节中，节首辅音的响度较低，之后逐渐升高到音节核心处达到高峰，之后便在音节尾音处逐渐降低。Ｖｒｏｏｍｅｎ等人（１９９８）认为，音节中响度的变化可能是用于语流切分的特征之一。Ｓａｆｆｒａｎ的心理语言学实验证明，语言中所包含的这些音段的分布规律也是语流切分的重要提示特征。关联语言学研究了各种切分提示特征的有效性。
Ｃａｉｒｎｓ等人（１９９７）研究了一种基于可预报性的语音切分模式与人们真正语音切分方式有共同之处，该模式自动会注意强音节和弱音节，并将其作为语音切分的提示特征。利用预报误差进行语流的切分是许多关联所采用的方法。但是，它们只能对少量的单词界限进行预测，这说明还需要进一步研究是否还存在其他提示特征。
二、音位的识别
音位识别的关联主义模型研究主要是为了满足人工语音识别的技术需要。Ｗａｔｒｏｕｓ（１９９０）设计了一个用于识别与区分音位的关联主义模型，该模型包含三个单元，在隐藏单元内采用自我循环联结，输入单元所接收的信号是按照时间顺序（ｔｉｍｅ－ａ－ｌｉｇｎｅｄ）呈现的音节声音频谱。该模型特别重视语流的延续性特征，认为时间的表征是言语感知关联模型中最为关键的问题。其中单元之间的时间关系以延迟传播（ｐｒｏｐａｇａｔｉｏｎ　ｄｅｌａｙ）的方式表示，后续的信号在同一个单元与后续的时间相关联。这样需要处理的数据就会按照时间的先后依次流动，而且不同信号之间的关系可通过时间间隔的简单数值来表达。
通过使用与不同延迟数值的多重联结，形成一个进行语言特征检测和模式匹配的过滤器。多重联结包含反馈联结和循环联结，反馈联结大大增强了时间延迟的变化范围，而循环联结则通过时间来限制单元的反应。延迟传播和循环联结的结合使得不同层次的成分可以在很大的范围之间进行互动，这有助于该模型取得更好的语音识别效果。在该模型中，联结值的调整以辅音的频谱特征为基础，使它能够激活适当的单元。该模型能够很好地区分与识别由同一人发出并且在其后跟［ｉ］、［ａ］或者［ｕ］等三个元音的［ｂ］、［ｄ］和［ｇ］爆破浊音，尤其是在识别辅音—元音—辅音（ＣＶＣ）音节结构中元音是［ｅ］和［ｕｉ］情况下的辅音方面，表现更为突出。在对辅音的发音方式、双唇爆破浊音（例如，ｒａｐｉｄ和ｒａｂｉｄ）、共振峰轨迹、鼻音的长度等语音特征的识别方面，准确率超过９９％。但是该模型是否能够应用于识别不同的讲话者和用不同的语速所发出语音中的音位，还需要进一步的研究。
关联主义心理语言学研究了语言感知中范畴感知的现象。范畴感知是心理语言学在言语感知研究方面早期最为重要的发展之一。儿童在很早时期就具备了范畴感知的能力。婴儿在出生之前数周的时间，就已经具备了听音的能力，有可能在此期间学会了一些语音范畴（Ｐｒｏｔｏｐａｐａｓ，１９９９）。该模型具有一个抑制单元，每组中所有节点的统合输出又被输入到抑制模块中的所有节点，而抑制模块中的所有节点又反过来抑制各个节点组的节点。
通过各种激活之间的竞争抑制那些兴奋程度较低的节点组，保留兴奋程度最高的节点组，以便于把那些输入的语音特征聚合成为独立的音位范畴。这个模型成功地概括出了两个不同的讲话人（一男一女）发出的清爆破音节（准确率为９８％）和浊爆破音节的规则（准确率为９６％），尽管他们并没有对网络进行浊爆破音的训练。
三、单词的辨认
音位的辨认受到词汇环境的影响。例如，介于语音／ｇ／和／ｋ／之间的位于一个音节开始的语音音位的辨认要受到词汇知识的影响。如果词的后半部分为－ｉｃｓ，那么人们更倾向于把它辨认为／ｋ／，如果单词的后半部分为－ｉｓｔ，那么人们更倾向于把它辨认为／ｇ／。由ＭｃＣｌｅｌｌａｎｄ［１］和Ｅｌｍａｎ［２］提出的痕迹（ｔｒａｃｅ）模型从互动激活的角度解释词汇环境对于音位辨认的影响。该模型假设语音特征、音位和单词三个语言单元是按照层状结构组织的，既有自下而上的联结，也有自上而下的联结。层与层之间具有相互激活的关系，但是在同一层次之间存在着相互抑制的关系。
随着时间的展开，语音特征层次的各个单元从左向右依次接受到输入的信号，并且会按照５微秒的时间间隔对输入的信号进行声学分析，从而激活相应的语音特征节点。这一激活会向上传播到音位层次，而音位层次的每个节点可以联结多个语音特征节点，音位节点又接着激活包含该音位的单词节点，这是自下而上的联结。
在同一时间点，被激活的单词之间彼此有抑制作用，而且每个单词又会反向激活与自己相连的音位节点，这一节点会在同一时间点对其他的音位节点具有抑制的作用，这是自上而下的联结。被激活点的强度会因为匹配程度的不同而不同，匹配程度越大，激活的强度则越大，因此一经提出便引起了广泛的注意，成为迄今为止影响最大、应用范围最广的关联。
首先，信息在网络不同层面之间的流动是双向的，各个层面之间的信息处理过程是相互影响的，受到了许多自下而上模式的质疑。他们认为，音位的辨认完全不需要来自于词汇层次的信息。当受试被要求辨认单音节词汇的起始音节时，只有音节的长度对于音位的辨认有影响。
针对这一问题，Ｎｏｒｒｉｓ（１９９９）则提出了言语感知的合并模型（Ｍｅｒｇｅ　Ｍｏｄｅｌ），以便于更合理地解释词汇因素对于音位识别的影响。从单词的音位层面反馈信息不仅不会有利于音位的辨认，反而会阻碍辨认的过程。在言语感知的过程中，人们会自动把音位层次的表征和词汇层次的表征合并起来，这样也可以解释一些实验中发现的词汇环境对于音位辨认的影响。该模型中的时间表征也存在很大的问题。
由语流的连续性所带来的时间问题是通过反复地复制整个词汇网络来解决的。例如，在输入信号是／ｋａ：ｐ／的情况下，在接受到后面的语言信号之前，该模型无法确定它是ｃａｒｐｅｔ，ｃａｒｐｅｎｔｅｒ，还是ｃａｒ　ｐｏｌｌｕｔｉｏｎ。要做出最后的判断，痕迹模型组要在每一个可能的时间点复制整个词汇网络，这对于整个系统的运算速度产生了很大的影响。在第一阶段，系统会生成一系列与输入的语音相吻合的后备词汇，这些词会在第二阶段进入系统的词汇单元，通过相互之间的竞争最后确定辨认的结果。
为了解决痕迹模型需要反复复制整个网络的问题，后备名单式模型在循环辨认网络之上又增加了一个竞争网络，使得各个可能的单词根据输入语音的匹配程度相互竞争。崔刚和杨莉以具体的实例说明了所激活的单词之间相互竞争的情况，单词之间的相互抑制程度取决于该单词与输入的语音相吻合的音位的数量。
Ｎｏｒｒｉｓ（２００８）又在原有模型的基础上提出了一个新的预备名单式模型，它保留了原有模型的许多特点，包括词汇层次的并行竞争、自下而上的信息流动方式等。但是，新的模型运用了贝叶斯定理（Ｂａｙｅｓ－ｉａｎ　ｐｒｉｎｃｉｐｌｅ）。托马斯 • 贝叶斯（Ｔｈｏｍａｓ　Ｂａｙｅｓ）认为，某件事情发生的概率大致可以由它过去发生的频率近似地估计出来。在新的预备名单式模型中，输入的信号不再是独立的音位，而是根据大规模实验所得出的一系列音位概率。计算机模拟的结果表明，该模型可以很好地解释言语感知中连续语流的切分、频率效应、发音错误对于词汇识别的影响以及词汇环境对于音位识别的影响等现象。
四、结语
从以上论述可以看出，关联心理语言学关于言本论文由英语论文网提供整理，提供论文代写，英语论文代写，代写论文，代写英语论文，代写留学生论文，代写英文论文，留学生论文代写相关核心关键词搜索。