Problem

• Powiedzmy, że alfabet fonetyczny zawiera 37 symboli 
• Kontekst modelują tzw. "trifony", np.
  o+t-k, czyli "o" w wyrazie o transkrypcji "kot"
• 37 * 37 * 37 = 50653 kombinacji
• a to jest mały alfabet...

Rozwiązanie - wiązanie stanów

Jak dobrać reguły?

Zastosujmy kategorie znane z lingwistyki:

1) Zwarto-wybuchowe (/p/, /b/, /t/, /d/, /k/, /g/)

2) Nosowe (/m/, /n/, /ni/, /N/)

3) Dźwięczne (/i/, /y/, /e/, /a/, /o/, /u/, /l /)

4) Dźwięczne nosowe (/e_/, /a_/)

5) Glajdy (/j/)

6) Drżące(/l/, /r/)

7) Szczelinowe (/w/, /f/, /h/, /z/, /s/, /zi/, /si/, /rz/, /sz/)

8) Zwarto-szczelinowe (/dz/, /c/, /dzi/, /ci/, /drz/, /cz/)

Alfabet Corpora

• "mały alfabet"
• autor: prof. S. Grocholewski
• 37 symboli fonetycznych
• wariacja/klon SAMPA dla języka polskiego?
• użyty do anotacji w korpusie Corpora

Alfabet IPA

• "duży alfabet"
• ang. International Phonetic Alphabet
• autorzy: International Phonetic Association
• 86 symboli
• część symboli niemalże
  nie występuje w języku polskim

OrtFon v1

• transkrypcje na bazie tabelek z artykułu prof. Steffen-Batóg z 1975...
• ... adaptowanych z IPA do alfabetu Grocholewskiego.

Przykładowa tabelka

OrtFon v2

• Również oparty na tych samych tabelkach 
• Transkrybuje bezpośrednio do IPA
• Transformuje transkrypcję IPA wedle zadanych reguł do pożądanego alfabetu (może być dowolny, jeśli znane są reguły)

Jak wybrać fonemy do scalania?

• Metryki oparte o prawdopodobieństwo fonemu
• Metryki oparte o macierz pomyłek
• Metryki oparte o model kontekstowy (drzewo decyzyjne)