Neural Network Approaches to Italian Syllabification and Poetic Scansion for Italian Verse

L'identificazione automatica dei confini sillabici e della posizione dell'accento rappresenta ancora oggi una sfida aperta per la lingua italiana a causa dell'ambiguità dei nessi vocalici, dell'interazione tra struttura sillabica e prosodia e della limitata disponibilità di risorse annotate. Per colmare questa lacuna, la tesi introduce Stylla, il primo dataset pubblico su larga scala per la sillabazione e la previsione dell'accento prosodico in italiano, costituito da circa 93.000 forme lessicali annotate. Il lavoro studia la capacità dei modelli neurali di apprendere e generalizzare tali fenomeni, formulando il problema come sequence labeling a livello di carattere e confrontando le architetture BiLSTM e Transformer. Lo studio estende tali modelli alla scansione metrica della poesia italiana, un contesto in cui la struttura sillabica è influenzata da fenomeni fonologici e metrici quali sinalefe, dialefe, sineresi e dieresi. Gli esperimenti sono condotti sulla Divina Commedia di Dante Alighieri, utilizzando Inferno e Purgatorio per l’addestramento e Paradiso per la valutazione, al fine di verificare la capacità dei modelli di generalizzare su versi poetici non osservati. A tal fine vengono confrontate quattro strategie: l'applicazione diretta dei modelli lessicali al testo poetico, l'integrazione di vincoli metrici espliciti, il fine-tuning supervisionato su corpora poetici annotati e un approccio di constrained decoding basato su beam search. I risultati mostrano che la sola sillabazione lessicale non è sufficiente a ricostruire correttamente la struttura metrica del verso, mentre l’introduzione di vincoli metrici migliora sensibilmente le prestazioni. Il fine-tuning supervisionato ottiene le migliori performance, ulteriormente migliorate dall’integrazione del constrained decoding, che impone vincoli strutturali globali in fase di decodifica.