TY - GEN

T1 - ВЫЧИСЛИТЕЛЬНОЕ МОДЕЛИРОВАНИЕ ПРОСОДИКО-СИНТАКСИЧЕСКИХ КОРРЕЛЯЦИЙ В РУССКОЙ УСТНОЙ РЕЧИ: МЕТОДЫ МАШИННОГО ОБУЧЕНИЯ И ЛИНГВИСТИЧЕСКИЙ АНАЛИЗ

AU - Акай, Оксана Михайловна

PY - 2025

Y1 - 2025

N2 - Статья посвящена исследованию взаимосвязи просодических и синтаксических характеристик русской устной речи с использованием методов машинного обучения. На материале корпусов ОРД и CoRuSS проанализированы акустические корреляты синтаксических структур, включая параметры основного тона (F0), паузацию и акцентное выделение. Применение алгоритмов классификации (SVM, Random Forest) и нейросетевых моделей (CNN-BiLSTM, Transformer) позволило выявить устойчивые закономерности между типами интонационных конструкций и грамматическим оформлением высказываний. Особое внимание уделено роли просодии в маркировании коммуникативных типов предложений (вопросов, утверждений) и границ синтагм. Результаты демонстрируют высокую предсказательную силу просодических признаков для определения синтаксической структуры (F1-score 0.82-0.89). Практическая значимость работы заключается в возможности улучшения систем синтеза и распознавания русской речи, а также автоматической аннотации лингвистических корпусов. Перспективы исследования связаны с расширением моделей для анализа спонтанной речи и интеграцией мультимодальных данных.

AB - Статья посвящена исследованию взаимосвязи просодических и синтаксических характеристик русской устной речи с использованием методов машинного обучения. На материале корпусов ОРД и CoRuSS проанализированы акустические корреляты синтаксических структур, включая параметры основного тона (F0), паузацию и акцентное выделение. Применение алгоритмов классификации (SVM, Random Forest) и нейросетевых моделей (CNN-BiLSTM, Transformer) позволило выявить устойчивые закономерности между типами интонационных конструкций и грамматическим оформлением высказываний. Особое внимание уделено роли просодии в маркировании коммуникативных типов предложений (вопросов, утверждений) и границ синтагм. Результаты демонстрируют высокую предсказательную силу просодических признаков для определения синтаксической структуры (F1-score 0.82-0.89). Практическая значимость работы заключается в возможности улучшения систем синтеза и распознавания русской речи, а также автоматической аннотации лингвистических корпусов. Перспективы исследования связаны с расширением моделей для анализа спонтанной речи и интеграцией мультимодальных данных.

M3 - статья в сборнике материалов конференции

SP - 416

EP - 423

BT - РУССКАЯ ГРАММАТИКА: полипарадигмальность как методологический принцип современных научных исследований

PB - Иркутский государственный университет

T2 - IX Международный симпозиум "Русская грамматика: полипарадигмальность как методологический принцип современных научных исследований"

Y2 - 23 September 2025 through 27 September 2025

ER -