本文介绍“九州语言网”近期开发的一项声调音高数据的分析与作图功能，从音高数据换算与规整、到音高和时长数据的均值分析，再到音高数据的作图和结果数据的输出，一站式解决，能够满足声调音高数据分析的基本需求。该系统主要具有以下几个方面特点：1、音高换算，用户输入基频数据，在分析时可以选择不同的方式将基频数据(Hz)换算成音高数据，如Log、St、Mel、Bark、Erb等各种标度，当然也可以不进行换算，直接采用基频数据进行分析；2、音高规整，用户可以选择是否对发音人的数据进行标准化处理，转化成标准值（z-score），以消除发音人之间的数据差异；对于单个发音人的声学数据，可以不进行规整处理，直接对音高数据进行分析；3、可同时处理多人数据，系统会基于每个发音人的均值和标准差等数据对其音高数据进行规整处理，并输出各个发音人的分析结果以及全部发音人的汇总结果；4、系统会测算并输出换算与规整之后的音高数据，以及各个音节的音高特征量数据，如音高最大值、最小值、平均值、标准差、音域范围、线性回归方程的斜率、截距、相关系数、残差平方和、最大残差、最大残差位置等等，这些特征量数据可以用于声调判别模型训练或其他相关研究。一、功能入口在“九州语言网”公众号对话界面上发送任意信息，系统将返回此平台各类在线功能模块的链接地址，如下图所示，其中包括“声调音高数据分析与作图”，点击该链接，即可进入相应的分析页面。图1：“九州语言网”公众号对话窗口返回的链接地址二、基础数据准备在分析之前，用户需要事先在Excel程序中准备好相应的数据表，主要包括以下多个列的数据内容：（1）一列或两列分类数据，用来标记每个音节的调类信息，如“阴平、阳平”等等，此系统支持两级分类，其中一级分类应统摄二级分类；（2）一列音高时长数据，用来标记每个音节的音高段时长，单位为秒；（3）十列音高数据，针对每个音节，不管其长短，都等间隔地提取出10个点的基频数据，单位为Hz，并从左至右依次排列在数据表之中。（4）一列发音人数据，如果一张数据表中包含有多个发音人的数据，应提供发音人名称或编号数据，以便于针对不同发音人进行数据规整和分析。如果只有一位发音人的音高数据，则无需提供发音人数据。注意：各列数据应具有各不相同的列标题，列标题中不可含有空格字符。准备好数据表格之后，请采用复制粘贴的方式将上述各列数据拷贝到系统页面的数据文本框之中，如下所示：图2：音高数据样例注意：请勿在文本框中进行任何数据编辑操作，以免造成格式错误。三、分析参数设置粘贴完数据之后，应按照各个数据列的列标题名称去设置相应的各项分析参数，二者必须一致，否则会出错。分析参数设置界面如下所示：图3：分析参数设置界面需要设置的分析参数包括：（1）音高换算方式，系统提供6种音高换算方式：Hz标度（即不换算）、Log标度、St标度、Mel标度、Bark标度、Erb标度。后几种音高换算均采用Praat工具上给出的计算公式。（2）音高规整方式，系统提供2种音高规整方式：原始值（即不规整，直接采用换算后的音高数据）、Z-score（即标准值，系统将根据各个发音人的音高均值及标准差对音高数据进行规整处理，可在一定程度上消除发音人之间的音高差异）。（3）音高时长数据的列标题。各个调类的音高时长将被进行均值分析，其结果会用于制作音高数据图。（4）音高数据的列标题。事先可用Praat脚本程序将每个音节等间隔提取出10个点的音高数据（Hz），形成10列音高数据，此处应按序输入各列音高数据的列标题，并用“+”（或者制表符、或者空格）对各个列标题进行分隔。（5）分类数据的列标题。分类数据可以是一列数据，也可以是两列数据，如果是两列数据，则用“+”（或者制表符、或者空格）对列标题进行分隔。（6）发音人数据的列标题。系统支持对多个发音人的数据进行同时处理，规整时会按各个发音人的均值和标准差进行操作，并可按不同发音人输出相应的音高数据图和分析结果数据。（7）其他参数可以保持默认值。准备好数据，并填写好相应的分析参数之后，请点击页面底部的“分析”按钮，然后等待10秒左右系统会反馈相应的分析结果。四、查看分析结果系统会反馈三种类型的分析结果：一是音高数据图；二是用来制作音高数据图的各类分析结果数据，包括音高和时长的均值与标准差等；三是换算与规整之后的音高数据表，其中还包含各类音高特征量数据。1、音高数据图系统根据用户输入的基础数据及分析参数，会在后台采用R统计工具进行均值分析，得到各个分类下的音高和时长等因变量的均值、标准差和样本数等数据，然后基于均值数据再制作成相应的音高数据图，结果如下所示：图4：音高数据图示例音高数据图具有以下主要特点：（1）基于各调类音高均值中的最大值和最小值来确定纵坐标的刻度范围，再将其均分成5等份作刻度线，并在其右侧用“1、2、3、4、5”等刻度加以标示，以便于用户直观了解各个声调的音高分布区间；（2）各个调类的样本量和音高时长等数据直接显示在图例之中，便于用户较为全面的了解相关的数据信息；（3）尽管每个音节输入的都是归一化时长的10个音高点数据，但在作图时会基于各个调类的平均时长来确定其音高曲线的长度，以便于比较各调类的长短，此时相邻两个刻度间隔为10毫秒；（4）音高数据图可以随着页面大小缩放而不会影响其清晰度，各数据图的链接地址还会在“数据分析结果”文件中给出。特别提示：作图时，可以把入声调和非入声调分开，以便于观察。一张图上的声调分类最好不要超过5个，4个属于最佳状态，系统最多能支持每张图8个分类。当分类数大于8时，建议增加一列分类数据，如上图，我们将调类区分为“非入声调”和“入声调”两大类，分开来做成2张图。此外，用户还可以通过调节“音高点之间的作图间距”这一参数来调整音高图的横向宽度，通过调节“时长标度类型”这一参数来控制是否按照各个调类的时长均值来作图，如果输入为0，则会按照归一化时长来作图（对于两字组、三字组或语句材料，需要使用归一化时长来作图，以便于各音节数据对齐）。2、分析结果数据（各类均值和标准差等）分析结束之后，点击系统界面上的“查看数据分析结果”按钮，即可输出全部分析结果数据，包括各类因变量的均值、标准差和样本数等等，以及存储在服务器上各个音高数据图文件的链接地址。用户可以从数据文本框中直接拷贝均值、标准差等数据并粘贴至Excel等程序之中，再按照自己的方式重新作图。图5：分析结果数据（示例）3、换算与规整之后的音高数据表（含各类常见的音高特征量）分析结束之后，点击系统界面上的“查看音高特征量数据”按钮，即可获得换算与转换之后的各个音高点数据，还包括各个音节的音高特征量数据，如“音高最大值、音高最小值、音域范围、音高平均值、音高标准差、斜率、截距、残差平方和、相关系数、修订决定系数、最大残差位置、最大残差”等，这些特征量可用于后期的声调类型判别分析或其他研究。用户可以从文本框中拷贝全部数据，并将其粘贴至Excel文件之中再加以保存。图6：换算与规整之后的音高数据表（示例）五、其他在数据文本框之下，系统提供了几个方言点的音高数据样例（部分数据未经校准，仅用作示例说明），用户可以点击调取并进行分析，以了解此系统的各项功能。注意：此系统不保存用户的任何历史数据，用户每次提交给系统分析的数据及其结果，会自动覆盖前期的数据文件。共建共享，一起成长感谢大家一直以来的关注和分享！如果您不希望接受此公众号推送的消息，请关闭“接收消息”或者选择“不再关注”。长按下一图标并在弹出的菜单中点击“识别图中的二维码”按钮之后即可关注“九州语言网”微信公众号（或扫码关注），敬请将其发送给您身边的学界同仁或同学。欢迎点击公众号中的“查看历史消息”按钮查阅此平台以前所发送的消息和文章。相关文章：九州语言网(yys_cass)　
　文章为作者独立观点，不代表微头条立场
的最新文章
基于一个方言点的字音调查材料，可以较为简便地测算出古今字音对应关系的交叉列表数据。但由于交叉列表的数据相对较多，很难用普通的图示化方式一次性加以呈现，因此不便于观察和比较。本文介绍力导向图这一方式来呈现方言的字音关系数据。本文基于《方言调查字表》的用字材料，大致统计出了古声与古韵的开合、等第之间的搭配关系数据，从中可以看出部分古声母之间的互补分布关系。自上线以来，本平台合计完成了533人次的国际音标测听任务，每次测听8个音，系统总共记录到了4264个测听结果，其中有效数据3878个，综合正确率为62.53%。文中给出了一些得分较低的条目，从中可大致看出哪些国际音标比较难以辨识。中国社会科学院语言研究所语言学沙龙（第331次）
题目：关于“句法成分”和“句型”的反思
主讲人：陆丙甫（南昌大学中文系教授）
时间：日下午1：30
地点：语言所大会议室本文介绍“九州语言网”近期开发的一项声调音高数据的分析与作图功能，从音高数据换算与规整、到音高和时长数据的均值分析，再到音高数据的作图和结果数据的输出，一站式解决，能够满足声调音高数据分析的基本需求。本文主要介绍我们新近开发的一项方言字音数据分析功能：声调演变规则的自动分析（R语言脚本程序）。系统可自动对比用户所选定的两个方言点的字音数据，并以直方图的形式进行展示，用户还可以具体查看相应的汉字条目。通过数据对比，用户能够较为简便地考察出两个方言点的字音数据异同。本文以北京话和武昌话的声母对比为例来简要说明操作的过程。基于《方言调查字表》声韵调部分给出的对比材料，我们整理了300多个方言点的字音数据，并初步完成了基于百度地图的字音数据对比平台的开发工作，以地图方式来呈现各个对比条目在不同方言点里的表现。用户可以录入自己的方言数据，然后进行在线分析。yys_cass汉语语音资源服务，语音实验技术，语音学研究。热门文章最新文章yys_cass汉语语音资源服务，语音实验技术，语音学研究。一分钟让你的excel数据表中的数字显示不同颜色~~
转眼又好久没来写了～最近感觉好像突然脑子有点短路，不知道写啥了。。。
前两天老公提醒说，你很久没更新了，哦，然后我今天就来了～～
今天分享一个很小很小的功能，但是能让你的表格看起来比较有特色的。
很多童鞋们，在使用excel时，会用到数据统计，很多数字，都是统一的颜色，看着觉得好单调的说，如果我们能让数字们，都按数字段，显示不同的颜色，那看起来，表格是不是赶脚高端大气上档次呢～～
首先，我们有一个表格，如下图1所示，这是一个原始的表格，所有的数字都是黑色显示
然后，我们在表格中，选中数字区域，使用Ctrl+1，或者在单元格中右键鼠标选择“设置单元格格式”，弹出“设置单元格格式”的对话框，如图2显示：
点击对话框中的自定义，在类型输入框中输入如下图图3中红色部分的内容，点击【确定】，然后我们就可以看到图4显示的效果了～～
最后说明下：
本次说的就是个抛砖引玉，是按数字段进行划分的，只划分了三个数字段，&50的，&50的，和正好等于50的，有兴趣的童鞋们，可以研究下，如何做到更详细的划分段，比如一个封闭的区间～～～嘿嘿～～～
已投稿到：
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。人类构建的过程极为复杂。事实上，我们每时每刻都在面临前所未有的复杂性。当时代的信息量令人难以承受，这时人类就会在这时代的潮流中进化。我们处理复杂问题的能力是我们感官的统一的结果；每种感官相互协作，大脑把收集的碎片信息集合起来，帮助我们理解周围在无休止发生的复杂事物。
如今，面对庞杂的信息流，新的数字感知形态是多元融合的。但当我们通过非人类感知方法收集数据的时候（比如数字传感器），其实过程是和我们身体一样复杂的，但我们通常将其输出为单一感觉：视觉。
全世界范围内的数据呈现都是以视觉为规则。虽然我们偶尔会看到声波图绘制的一组数据，但还是会找出很好的理由将其可视化。那些简化与渲染复杂的数据的视觉化工具帮助我们高效便捷的识别数据趋势。
然而，虽然我们深谙数据可视化的好处，但其依赖于单个意义层面理解的局限性。例如，当我们的大脑大功率连接输入信号并处理图像信息时，信息则被储存在快速衰减的记忆区。以此类推，新进入的这部分视觉记忆不断被覆盖。我们嗅觉的记忆过程则与此相反。嗅觉信号运行与储存都与长期记忆体进行信息同步。这也就是为什么我们时常说我们无法忘记味道，且我们经常通过嗅觉回忆起以前的记忆。
这种多样性的感官体验引发了一个问题：为什么不开发更有效的次级感官数据？将声音，气味，口感，或触感与视觉相连，扩大数据体验的强度，并有可能创造出更多的细微差别，比任何单一模式的效果更好。
正如视觉给了我们颜色、形状、大小、亮度和空间，我们其他的感官也提供我们可能代表不同的方面的数据变量的数组。比如声音，有音调、语气、音量、频率和节奏。触摸有质感，重量，压力，温度，和重要性。
嗅觉和味觉感官有着密切的联系，即便两者混合在一起在，我们仍可以分别出其中的味道和气味。
下面的例子可带我们领略新兴感官数据领域的初步面貌。
尖叫的火山
阿拉斯加的科学家们正在给喷发前的火山录音。通过日常地震活动的微妙物理震动监测火山活动。通过监听，科学家发现在火山爆发前有一种独特的声音模型。这种信号在渐进的鼓点声后爆发出茶壶烧开水时的尖叫声。虽然研究者不完全清楚声源在哪，但是声音节奏的变快或变慢则预示了火山的爆发。
利用地理位置信息，Brian House创造了一个黑胶专辑来用听觉表达他这一年来去过的所有地方。城市中的每个地点用音阶做注解，而每个城市用音调表示。当把唱片放上唱机开始记录的时候，唱机以24小时旋转，记叙当天他去过的地方。唱机转动声音播放，行为活动的模式便开始显现。工作日、周末、假期和休息日都可以从声音中区别出来。抛开地理位置与第地图的关系，我们试图用听觉模式去理解地理位置，这种模式可能之前一直被可视化的传统模式遮蔽掉了。
幽灵食物项目是由艺术家Miriam Simun 和Miriam Songster 发起，旨在通过可穿戴设发出熟悉的食物气味，辅之以无味食品，模拟饮食体验。通过重新建立的味道和嚼的经验，甚至在没有食物的情况下，人的脑海中创造了对味道的感知。味道，质地和气味都可以映射出一个独特的的数据点，那么让他们相互影响，就会产生很多前所未有的多模态体验。
艺术家Amy Radcliffe在寻找一种能把感情与气味联系起来的嗅觉记录设备，用来捕捉和重现气味模拟系统。虽然这是一个冒险的设备，但其原理则指出了捕捉与复制气味的力量。鉴于我们的感情与嗅觉的紧密关系，捕获和复制事物与环境的气味可以极其有效的创建有用的数据体验。
当我们进入非视觉表现数据的领域时，重要的是要记住目标不单单是要找到最好的替代可视化或补充可视化。相反，我们的理想应该是体验更丰富的数据。这意味着任何人都可以收集数据，将之应用于不同的感知模式，探索数并发布新的见解。
了解了数据就了解了人们将来会怎么演进。然而，在我们所理解和使用数据的能力方面（包括目前我们认为有意义的方面）我们只是触及了其表面。抛除过去视觉可视化的局限给了我们新的机会去发现和交流从数据中得来的观点。
本文转自微信公众号Twig理想试验田，作者翻译整理自Frog Design
描微信下面二维码，随时了解大数据最新动向，添加36大数据官方微信公共帐号dashuju36:
转载请注明来自36大数据（)： &
除非特别注明，本站所有文章均不代表本站观点。报道中出现的商标属于其合法持有人。请遵守理性，宽容，换位思考的原则。wu④suo③wei④,you③suo③wei②.数字表示声调,看拼音,写字.wu②suo③wei④，you③suo③wei②。
勿所畏,有所为
无所畏，有所为
are you sure？
真的确定？
再给你几分钟考虑，是否确定？
好吧，你赢了
玩啥子？搞啥实验？
我纯属无聊，来此坑人，没曾想，你赢了
为您推荐：
其他类似问题
无所谓，有所谓被坑了吧？<img class="ikqb_img" src="http://e./zhidao/wh%3D600%2C800/sign=46a36f58d63f28e22b22cc/a6efce1b9d16fdfa7bb74a0eb68f8c.jpg" esrc="http://e.hiphotos....
无所谓,有所谓无所谓，有所为你也被坑了，错了<img class="ikqb_img" src="http://g./zhidao/wh%3D600%2C800/sign=02dc3e44a6c27d1ea156/9c16fdfaaf51f3de626c358496eef01f3b297970.jpg" esrc="h...
你也被坑了，错了
一开始确实被你坑了
之后才回神
那你觉得，答案是？
误所谓,有所为。
答案是:无所畏，有所为。
无所谓，有所为
扫描下载二维码}