方言單字記音自動校對研究.pdf

1、國家語委于2008年10月啟動了“中國語言資源有聲數(shù)據(jù)庫建設(shè)”的項(xiàng)目，江蘇省于2013年9月率先完成了江蘇方言有聲數(shù)據(jù)庫的建設(shè)，其他省市數(shù)據(jù)庫的建設(shè)也正陸續(xù)展開。為確保方言有聲數(shù)據(jù)庫的質(zhì)量，需要對人工記音的內(nèi)容進(jìn)行校對，而人工校對耗時耗力。自動校對是自然語言處理的一個重要的研究領(lǐng)域，借助計(jì)算機(jī)對人工記音的內(nèi)容進(jìn)行自動校對可以減輕人工勞動的工作量，提高工作效率。
　　本文以有聲數(shù)據(jù)庫中方言單字記音存在的漏記和錯記現(xiàn)象為校對目標(biāo)，運(yùn)用

2、語音端點(diǎn)檢測技術(shù)發(fā)現(xiàn)漏記的讀音，并運(yùn)用語音的模式識別技術(shù)對漏記和錯記的讀音進(jìn)行校對。運(yùn)用門限過零率法對單字音端點(diǎn)進(jìn)行檢測時，對記音個數(shù)判斷的準(zhǔn)確率能達(dá)到99.85％，能夠滿足校對任務(wù)的需求。在對單字記音進(jìn)行自動校對時，由于目前還不具備建立專門適用于識別所有方言的語音模型，并且各方言點(diǎn)的樣本數(shù)據(jù)相對較少，因此，本文采用封閉測試的方法來進(jìn)行校對。
　　首先，為了驗(yàn)證封閉測試方法的可行性，我們以南京方言聲調(diào)自動校對為例進(jìn)行探究，在選用聲

3、調(diào)段的基頻參數(shù)為特征項(xiàng)時，分別采用SGM和GMM進(jìn)行識別，封閉測試的精確率分別為90.78％和93.61％，并且校正了記音問題，驗(yàn)證了封閉測試的方法是可行的。當(dāng)換用MFCC和HMM對南京方言聲調(diào)進(jìn)行自動校對時，在音節(jié)層面進(jìn)行校對的精確率達(dá)到了98.54％，并且對蘇州和徐州兩地方言的自動校對的平均精確率也分別能達(dá)到95.62％和98.86％。其次，當(dāng)記音錯誤較多時，重復(fù)校對可以不斷發(fā)現(xiàn)記音問題，并向錯誤總數(shù)收斂，南京方言聲調(diào)偽錯誤召回實(shí)驗(yàn)

4、驗(yàn)證了重復(fù)校對的方法的有效性，具有實(shí)際應(yīng)用價值。再次，我們將聲調(diào)自動校對的方法進(jìn)行遷移，應(yīng)用于聲母和韻母的自動校對中，精確率總體上都比較高。以上的探究實(shí)驗(yàn)說明了選取的校對方法、聲學(xué)參數(shù)和統(tǒng)計(jì)模型具有較好的普適性。因此，我們最終采用MFCC和HMM作為系統(tǒng)的聲學(xué)參數(shù)和統(tǒng)計(jì)模型。最后，在探究實(shí)驗(yàn)的基礎(chǔ)上，我們研制了一款方言單字記音自動校對系統(tǒng)，并且以江蘇庫其余67個方言點(diǎn)的語料對系統(tǒng)進(jìn)行了實(shí)測，平均的精確率能夠達(dá)到97.79％，并且在校對過