Podrobno

Samodejno postavljanje naglasnih znamenj slovenskim besedilom
ID Kranjčec, Matjaž (Avtor), ID Marolt, Matija (Mentor) Več o mentorju... Povezava se odpre v novem oknu

.pdfPDF - Predstavitvena datoteka, prenos (824,11 KB)
MD5: 111BCFDD7E9610198F0CEC11F74D6AC8

Izvleček
V nalogi raziščemo samodejno naglaševanje besed v slovenskih besedilih, saj zaradi prostega besednega naglasa naglasnega mesta v slovenščini običajno ni mogoče zanesljivo določiti zgolj iz zapisa, obstoječi viri pa so vsebinsko pomanjkljivi ali premajhni. Zato postavimo cevovod za samodejno naglaševanje, ki temelji na leksikonu Sloleks in orodju CLASSLA-Stanza ter učinkovito naglasi več kot 90 % besed v transkripcijah raznolikega govora, ima pa še težave predvsem pri redkejših in tujih besedah ter enakopisnicah, saj pomena ne razlikuje. Z njim zgrajeno množico naglašenih besed in pripadajočih izgovorjav smo uporabili za treniranje klasifikatorja XGBoost za razpoznavo naglašenosti samoglasnikov: izključno akustične značilke dosežejo točnost 62 %, poln nabor značilk pa točnost 89,5 %, kar kaže na resničen, a razmeroma šibek napovedni signal akustičnih značilk. Na naših podatkih smo preverili tudi model za hrvaški jezik. Ta napoveduje mesto naglasa iz izgovorjave in doseže točnost 67,7 %, ki pada z naraščajočim številom samoglasnikov v besedi.

Jezik:Slovenski jezik
Ključne besede:naglaševanje besedil, besedni naglas, naglasna znamenja, strojno učenje, govorni signal, akustične značilke, Sloleks, CLASSLA-Stanza
Vrsta gradiva:Diplomsko delo/naloga
Tipologija:2.11 - Diplomsko delo
Organizacija:FRI - Fakulteta za računalništvo in informatiko
Leto izida:2026
PID:20.500.12556/RUL-186430 Povezava se odpre v novem oknu
COBISS.SI-ID:289688067 Povezava se odpre v novem oknu
Datum objave v RUL:01.09.2026
Število ogledov:225
Število prenosov:74
Metapodatki:XML DC-XML DC-RDF
:
Kopiraj citat
Objavi na:Bookmark and Share

Sekundarni jezik

Jezik:Angleški jezik
Naslov:Automatic accentuation of Slovenian texts
Izvleček:
In this thesis, we investigate the automatic accentuation of words in Slovenian texts, since the stress position generally cannot be reliably determined from the written form alone due to Slovenian’s free word stress, while existing resources are either content-limited or too small. We therefore build a pipeline for automatic accentuation based on the Sloleks lexicon and the CLASSLAStanza tool, which correctly accents more than 90 % of words in transcriptions of diverse spoken Slovenian, with shortcomings mainly for rarer and foreign words and homographs, since it does not distinguish word meaning. We used the pipeline to build a set of accented words, which, together with their pronunciations, we used to train an XGBoost classifier for detecting vowel stress: acoustic features alone reach only 62 % accuracy, while the full feature set reaches 89,5 %, indicating a genuine but relatively weak predictive signal from acoustic features. On our data, we also evaluated a model developed for Croatian that predicts word stress position from pronunciation, showing that it reaches 67,7 % accuracy on our data and that accuracy declines as the number of vowels in a word increases.

Ključne besede:text accentuation, word stress, diacritics, machine learning, speech signal, acoustic features, Sloleks, CLASSLA-Stanza

Podobna dela

Podobna dela v RUL:
Podobna dela v drugih slovenskih zbirkah:

Nazaj