采用無(wú)標(biāo)注語(yǔ)料及詞“粘連”剔除策略的韻律短語(yǔ)預(yù)測(cè).pdf

1、科技在進(jìn)步，時(shí)代在發(fā)展。在這個(gè)“讀圖”和“聽(tīng)音”的時(shí)代，語(yǔ)音技術(shù)已不再陌生，讓機(jī)器開(kāi)口“說(shuō)話”也不再是幻想。目前，語(yǔ)音合成的清晰度已達(dá)到人們的要求，流暢度卻尚待提高，合成的語(yǔ)音自然度低、節(jié)奏感差。因此，提升語(yǔ)音合成的流暢度是當(dāng)前亟待解決的問(wèn)題。在語(yǔ)音合成技術(shù)的文本信息處理中，韻律短語(yǔ)的劃分對(duì)語(yǔ)音合成的流暢度有著至關(guān)重要的影響。
　　目前韻律結(jié)構(gòu)預(yù)測(cè)方面的研究絕大多數(shù)采用人工標(biāo)注韻律結(jié)構(gòu)的語(yǔ)料，即人工標(biāo)注語(yǔ)料，這種語(yǔ)料通常篇幅較小，

2、若想擴(kuò)大其規(guī)模又會(huì)受到諸多限制。因此，本文工作主要針對(duì)當(dāng)前獲取大規(guī)模的人工標(biāo)注語(yǔ)料所面臨的困難和問(wèn)題而展開(kāi)，研究采用無(wú)標(biāo)注語(yǔ)料進(jìn)行韻律結(jié)構(gòu)預(yù)測(cè)的方法。利用標(biāo)點(diǎn)符號(hào)能表示停頓的性質(zhì)，本文提出一種采用無(wú)標(biāo)注語(yǔ)料和詞“粘連”剔除策略的韻律短語(yǔ)識(shí)別方法。
　　本文工作可分為下列幾個(gè)方面：
　　（1）標(biāo)點(diǎn)符號(hào)的等級(jí)劃分與無(wú)標(biāo)注語(yǔ)料的獲取
　　基于用標(biāo)點(diǎn)符號(hào)模擬韻律標(biāo)志的思想，利用標(biāo)點(diǎn)符號(hào)能表示停頓且停頓時(shí)間長(zhǎng)短不同、差異較大的性

3、質(zhì)，本文提出應(yīng)該將標(biāo)點(diǎn)符號(hào)劃分為不同的等級(jí)區(qū)別對(duì)待，并賦予每一等級(jí)不同的權(quán)重。通過(guò)反復(fù)試驗(yàn)，我們獲取了標(biāo)點(diǎn)符號(hào)的最佳等級(jí)劃分方法及各級(jí)的最優(yōu)參數(shù)分配。之后，基于多級(jí)標(biāo)點(diǎn)符號(hào)獲得大規(guī)模的無(wú)人工標(biāo)注韻律標(biāo)志的語(yǔ)料，即無(wú)標(biāo)注語(yǔ)料。
　?。?）基于互信息的語(yǔ)法詞“粘連”
　　互信息在自然語(yǔ)言處理中被描述為衡量?jī)蓚€(gè)類(lèi)或詞之間相關(guān)程度的尺度。本文基于大規(guī)模無(wú)標(biāo)注語(yǔ)料庫(kù)（僅做了自動(dòng)分詞和詞性標(biāo)注處理），利用互信息對(duì)任意兩個(gè)詞性標(biāo)記的鄰接情

4、況進(jìn)行了統(tǒng)計(jì)和度量，并據(jù)此將聯(lián)系較為緊密的語(yǔ)法詞對(duì)“粘連”起來(lái)，形成“粘連單元”。本文認(rèn)為“粘連單元”內(nèi)的語(yǔ)法詞結(jié)合相對(duì)緊密，其中出現(xiàn)韻律短語(yǔ)邊界的可能性較小，應(yīng)忽略不計(jì)。
　?。?）基于最大熵模型及詞“粘連”剔除策略的韻律短語(yǔ)自動(dòng)識(shí)別
　　首先，基于大規(guī)模的無(wú)標(biāo)注語(yǔ)料構(gòu)建用于韻律短語(yǔ)自動(dòng)預(yù)測(cè)的最大熵模型；通過(guò)對(duì)人工標(biāo)注語(yǔ)料的分析和統(tǒng)計(jì)，為基于句長(zhǎng)的Top-K方法確定參數(shù)K的取值。其次，對(duì)待識(shí)別語(yǔ)料進(jìn)行子句分割，利用構(gòu)建的最