Algoritmos fonéticos para la detección de palabras fonéticamente similares en el español del centro de México

• Autores: Carlos Daniel Hernández Mena, Iván Meza Ruiz, Juan Antonio Ramírez Orta, José Abel Herrera Camacho
• Localización: Revista española de lingüística aplicada, ISSN 0213-2028, Vol. 33, no. 1, 2020, págs. 140-170
• Idioma: español
• DOI: 10.1075/resla.18002.her
• Texto completo no disponible (Saber más ...)
• Resumen

  • En la actualidad, la detección de palabras fonéticamente similares se ha logrado de forma exitosa gracias a la utilización de algoritmos fonéticos. Sin embargo, tales algoritmos dependen del lenguaje al que pertenecen, por lo que generalmente no están optimizados para el español. Por esta razón, en el siguiente artículo se presentará el algoritmo PFS y su variante PFS-US, los cuales son algoritmos fonéticos que consideran la fonología del español hablado en el centro de México, y fueron diseñados para detectar palabras fonéticamente similares en grandes conjuntos de palabras. Ahora bien, a través de un análisis comparativo entre otros cuatro algoritmos fonéticos de estado del arte, analizaremos la consideración fonológica mencionada. Para ello, se definieron métricas independientes de la lengua para evaluar algoritmos fonéticos en general. Dichas métricas se basan en la estructura de los grupos de palabras fonéticamente similares entre sí y su relación con palabras que no son similares con ninguna otra. Adicionalmente, los recursos generados se comparten de forma libre para su uso y análisis.

• Referencias bibliográficas
  • Anguita, J., Peillon, S., Hernando, J., y Bramoulle, A. (2004) Word confusability prediction in automatic speech recognition. Eighth International...
  • Bahl, Lalit R., Gennaro, S. V. De, Gopalakrishnan, P. S. and Mercer, Robert L. 1989 First European Conference on Speech Communication and...
  • Blanch, J. M. L. (1967) La influencia del sustrato en la fonética del español de México. Revista de Filología Española, 50, 145–161. 10.3989/rfe.1967.v50.i1/4.851 https://doi.org/10.3989/rfe.1967.v50.i1/4.851...
  • Branting, L. K. (2003) A comparative evaluation of name-matching algorithms. Proceedings of the 9th international conference on Artificial...
  • Caballero-Morales, S.-O. (2013) Recognition of emotions in mexican spanish speech: An approach based on acoustic modelling of emotion-specific...
  • Chavarría-Amezcua, M.-A. (2010) Manual de etiquetado fonético e imágenes acústicas de los alófonos del español de la Ciudad de México, para...
  • Chen, J.-Y., Olsen, P. A., y Hershey, J. R. (2007) Word confusability-measuring hidden Markov model similarity. Eighth Annual Conference of...
  • Christian, P. (1998) Soundex-can it be improved?Computers in Genealogy, 6, 215–221. [Google Scholar]
  • Cuétara, J. (2004) Fonética de la ciudad de México. Aportaciones desde las tecnologías del habla (pp.15–135). Tesis de maestría, Posgrado...
  • Daniel, Y. (2004) Application of the Double Metaphone Algorithm to Amharic Orthography. International Conference of Ethiopian StudiesXV, 1–13....
  • Davis, S., y Mermelstein, P. (1980) Comparison of parametric representations for monosyllabic word recognition in continuously spoken sentences....
  • Elmagarmid, A. K., Ipeirotis, P. G., y Verykios, V. S. (2007) Duplicate record detection: A survey. IEEE Transactions on knowledge and data...
  • Fernández, J. G. (2007) Fonética para profesores de español: de la teoría a la práctica. Madrid: Arco Libros. [Google Scholar]
  • Gadd, T. (1988) Fisching fore werds: phonetic retrieval of written text in information systems. Program, 22, 222–237. 10.1108/eb046999 https://doi.org/10.1108/eb046999...
  • Gadd, T. (1990) PHONIX: The algorithm. Program, 24, 363–366. 10.1108/eb047069 https://doi.org/10.1108/eb047069 [Google Scholar]
  • Gálvez, C. (2007) Identificación de nombres personales por medio de sistemas de codificación fonética. Encontros Bibli: Revista eletrônica...
  • Goldrick, M., Vaughn, C., y Murphy, A. (2013) The effects of lexical neighbors on stop consonant articulation. The Journal of the Acoustical...
  • Goldwater, S., Jurafsky, D., y Manning, C. D. (2010) Which words are hard to recognize? Prosodic, lexical, and disfluency factors that increase...
  • Gonzales-Cam, C. (2008) Algoritmos fonéticos en el desarrollo de un sistema de información de marcas y signos distintivos. Biblios: Revista...
  • Grannis, S. J., Overhage, J. M., y McDonald, C. J. (2004) Real world performance of approximate string comparators for use in patient matching....
  • Hernández-Mena, C. D., y Herrera-Camacho, J. A. (2013) Creación de un diccionario de pronunciación de nombres propios para uso en tecnologías...
  • Hernández-Mena, C. D., y Herrera-Camacho, J. A. (2014a) CIEMPIESS: A new open-sourced mexican spanish radio corpus. Ninth International Conference...
  • Hernández-Mena, C. D., Martınez-Gómez, N. N., y Herrera-Camacho, J.-A. (2014b) A Set of Phonetic and Phonological Rules for Mexican Spanish...
  • Hernández-Mena, C. D., Meza-Ruiz, I. V., y Herrera-Camacho, J. A. (2017) Automatic speech recognizers for Mexican Spanish and its open resources....
  • Knuth, D. E. (1998) Sorting and Searching. The Art of Computer Programming, 3, 392–396. [Google Scholar]
  • Kondrak, G., y Dorr, B. (2004) Identification of confusable drug names: A new approach and evaluation methodology. Proceedings of the 20th...
  • Krstev, C., Vitas, D., Maurel, D., y Tran, M. (2005) Multilingual ontology of proper names. 2nd Language y Technology Conference, LTC’05,...
  • Lambert, B. L., Lin, S.-J., Chang, K.-Y., y Gandhi, S. K. (1999) Similarity as a risk factor in drug-name confusion errors: the look-alike...
  • Levenshtein, V. I. (1966) Binary codes capable of correcting deletions, insertions, and reversals. Soviet physics doklady, 10, 707–710. [Google...
  • Luce, P. A., y Pisoni, D. B. (1998) Recognizing spoken words: The neighborhood activation model. Ear and hearing, 19(1), 1. 10.1097/00003446‑199802000‑00001 https://doi.org/10.1097/00003446-199802000-00001...
  • McDonald, D. (1996) Internal and external evidence in the identification and semantic categorization of proper names. Corpus processing for...
  • McQueen, J. M. (1991) The influence of the lexicon on phonetic categorization: stimulus quality in word-final ambiguity. Journal of Experimental...
  • Mills, D. L., Prat, C., Zangl, R., Stager, C. L., Neville, H. J., y Werker, J. F. (2004) Language experience and the organization of brain...
  • Nye, P., y Gaitenby, J. (1973) Consonant intelligibility in synthetic speech and in a natural speech control (modified rhyme test results)....
  • Pande, B., y Dhami, H. (2011) Application of natural language processing tools in stemming. International Journal of Computer Applications,...
  • Parmar, V. P., y Kumbharana, C. (2014) Study Existing Various Phonetic Algorithms and Designing and Development of a working model for the...
  • Peereman, R. (1997) Orthographic and phonological neighborhoods in naming: Not all neighbors are equally influential in orthographic space....
  • Philips, L. (1990) Hanging on the metaphone. Computer Language, 7(12), 39–44. [Google Scholar]
  • Philips, L. (2000) The double metaphone search algorithm. Cusers journal, 18, 38–43. [Google Scholar]
  • Pineda, L. A., Castellanos, H., Cuétara, J., Galescu, L., Juárez, J., Llisterri, J., Pérez, P., y Villaseñor, L. (2010) The Corpus DIMEx100:...
  • Pineda, L. A., Pineda, L. V., Cuétara, J., Castellanos, H., y López, I. (2004) DIMEx100: A new phonetic and speech corpus for Mexican Spanish....
  • Pinto, D., Vilariño, D., Alemán, Y., Gómez, H., Loya, N., y Jiménez-Salazar, H. (2012) The Soundex phonetic algorithm revisited for SMS text...
  • Pisoni, D. B., Nusbaum, H. C., Luce, P. A., y Slowiaczek, L. M. (1985) Speech perception, word recognition and the structure of the lexicon....
  • Quilis, A. (1984) Métrica española. Barcelona: Ariel Barcelona. [Google Scholar]
  • Rahm, E., y Do, H. H. (2000) Data cleaning: Problems and current approaches. IEEE Data Eng. Bull, 23, 3–13. [Google Scholar]
  • Reddy, A. M., y Rose, R. C. (2008) Towards domain independence in machine aided human translation. Interspeech, 2358–2361. [Google Scholar]
  • Reyes-Barragán, M. A., Pineda, L. V., y Montes-y Gómez, M. (2009) INAOE at qast 2009: Evaluating the usefulness of a phonetic codification...
  • Riley, M. D., y Roe, D. B. (1998) Confusable word detection in speech recognition. US: Patent No. 5,737,723, 7, 1–6. [Google Scholar]
  • Russell, R., y Odell, M. (1918) The Soundex Indexing System. Technical Report. [Google Scholar]
  • Stanier, A. (1990) How accurate is Soundex matching. Computers in Genealogy, 3, 286–288. [Google Scholar]
  • Taft, R. (1970) Special Report no. 1. Albany. New York: Bureau of Systems Development, New York State Identification and Intelligence Systems...
  • UzZaman, N., y Khan, M. (2005) A double metaphone encoding for Bangla and its application in spelling checker. Natural Language Processing...
  • Voran, S. (2013) Using articulation index band correlations to objectively estimate speech intelligibility consistent with the modified rhyme...
  • Zobel, J., y Dart, P. (1996) Phonetic string matching: Lessons from information retrieval. Proceedings of the 19th annual international ACM...