שכיחות פונמות ורצפי פונמות בעברית בתהליך מוּנחה-נתונים The Frequency of Hebrew Phonemes and Phoneme Clusters' Frequency in a Data-Driven Approach

תקציר

תקציר בעברית:מאמר זה מתאר מחקר יישומי שנועד בראש ובראשונה להוות בסיס להקמת תשתית לשונית לאימון מודלים אקוסטיים ומודל לשוני עבור מנוע זיהוי דיבור בשפה העברית. השלב המתואר במאמר מתייחס לתהליך מיצוי המשפטים שעתידים להיות מוקראים ומוקלטים על ידי דוברי עברית. בתהליך זה נאספו 50,000 משפטים מגוונים ודחוסים פונטית בגישה מונחית נתונים, מתוך קורפוס טקסטואלי המכיל מעל 130 מיליון תמניות) כ-1 מיליון מילים תבניות. כל המשפטים עברו תיעתוק על פי לקסיקון מוכן מראש, כלומר נערכה המרה אוטומטית של הכתיב האורתוגרפי של המשפט לרצף הפונמות שמייצגות אותו ושהוחלט עליו מראש. ניתוח הממצאים כולל תמונה מייצגת של שכיחות 31 הפונמות בשפה העברית, שכיחות צמדי פונמות, ושכיחות רצפים של שלוש פונמות, אשר התקבלו ברמת המשפט, כלומר בין מילים ובתוך מילים. פרק הממצאים מציג את טבלת שכיחות הפונמות בשפה העברית ודיפונים וטריפונים מגוונים, ואף חדשים, שהתקבלו כתוצאה מבדיקת הסביבות הפונולוגיות של כל הפונמות, מעבר לרמת ההברה והמילה.