二语学习者英语词汇重音感知研究

对二语学习者是否能够感知英语词汇重音研究的主要观点进行了评介。根据研究对象母语与英语的词汇重音是否具有区别意义,把研究总体上归纳为"母语迁移说"和"重音‘盲点’说"两种观点,并着重介绍了"重音‘盲点’说"相关研究,最后指出"重音‘盲点’说"具有较强的解释力。

Chabacano语的重音指派

从音节结构的角度探讨Chabacano语名词的重音分布。通过提出三条音系规则解释Chabacano语名词的重音分布,并发现Chabacano语中音节结构对重音指派的影响颇大,然而有例外存在,因此引入词汇重音解释例外现象。

中国二语学习者英语重音意识和语言水平关系初探--以西南交通大学为例

英语词重音和句子重音对二语学习者非常重要,不标准的发音会影响听者对词义的理解。利用认知心理实验范式探讨二语学习者在英语词重音识别能力上的个体差异、性别差异及其差异与英语水平、各项能力间的相关性,发现:(1)中国学生重音意识与二语听力理解、写作能力和综合水平相关,词重音识别速度越快,二语听力水平和综合水平越高,但识别正确率并不一定与其听力理解、写作能力和综合水平相关;(2)重音意识与阅读理解能力无明显相关;(3)女生的重音意识和男生相比没有明显优势。因此,要提高学生的听力理解能力、口语水平和写作能力,必须强化其重音意识并加强重音训练,并设计重音识别软件或程序供学生自行重音训练或自我评估。

基于多分布深度神经网络英文重音检测方法

为了利用英语语音进行发音错误检测和诊断,研究了超音段中的英语词汇重音和音调重音检测,使用了多分布神经网络方法。多分布神经网络的隐藏单元和可见单元均为二进制,利用基于音节的韵律特征和规范的词汇重音模式作为输入特征。将该方法与已有方法进行了比较实验,结果表明:基于MD-DNN的词汇重音检测方法对三个或三个以上音节的单词进行音节分类(主/次/无重音)的准确率为87.9%,性能明显优于使用高斯混合模型(GMM)和显著性模型(PM)。与词汇重音检测方法相似,音高重音检测的准确率为90.2%,分别比GMM和PM检测的准确率高9.6%和6.9%。