采用無標注語料及詞“粘連”剔除策略的韻律短語預測.pdf

1、科技在進步，時代在發(fā)展。在這個“讀圖”和“聽音”的時代，語音技術(shù)已不再陌生，讓機器開口“說話”也不再是幻想。目前，語音合成的清晰度已達到人們的要求，流暢度卻尚待提高，合成的語音自然度低、節(jié)奏感差。因此，提升語音合成的流暢度是當前亟待解決的問題。在語音合成技術(shù)的文本信息處理中，韻律短語的劃分對語音合成的流暢度有著至關重要的影響。
　　目前韻律結(jié)構(gòu)預測方面的研究絕大多數(shù)采用人工標注韻律結(jié)構(gòu)的語料，即人工標注語料，這種語料通常篇幅較小，

2、若想擴大其規(guī)模又會受到諸多限制。因此，本文工作主要針對當前獲取大規(guī)模的人工標注語料所面臨的困難和問題而展開，研究采用無標注語料進行韻律結(jié)構(gòu)預測的方法。利用標點符號能表示停頓的性質(zhì)，本文提出一種采用無標注語料和詞“粘連”剔除策略的韻律短語識別方法。
　　本文工作可分為下列幾個方面：
　　（1）標點符號的等級劃分與無標注語料的獲取
　　基于用標點符號模擬韻律標志的思想，利用標點符號能表示停頓且停頓時間長短不同、差異較大的性

3、質(zhì)，本文提出應該將標點符號劃分為不同的等級區(qū)別對待，并賦予每一等級不同的權(quán)重。通過反復試驗，我們獲取了標點符號的最佳等級劃分方法及各級的最優(yōu)參數(shù)分配。之后，基于多級標點符號獲得大規(guī)模的無人工標注韻律標志的語料，即無標注語料。
　?。?）基于互信息的語法詞“粘連”
　　互信息在自然語言處理中被描述為衡量兩個類或詞之間相關程度的尺度。本文基于大規(guī)模無標注語料庫（僅做了自動分詞和詞性標注處理），利用互信息對任意兩個詞性標記的鄰接情

4、況進行了統(tǒng)計和度量，并據(jù)此將聯(lián)系較為緊密的語法詞對“粘連”起來，形成“粘連單元”。本文認為“粘連單元”內(nèi)的語法詞結(jié)合相對緊密，其中出現(xiàn)韻律短語邊界的可能性較小，應忽略不計。
　?。?）基于最大熵模型及詞“粘連”剔除策略的韻律短語自動識別
　　首先，基于大規(guī)模的無標注語料構(gòu)建用于韻律短語自動預測的最大熵模型；通過對人工標注語料的分析和統(tǒng)計，為基于句長的Top-K方法確定參數(shù)K的取值。其次，對待識別語料進行子句分割，利用構(gòu)建的最