[发明专利]多音字标注模板生成方法和装置

说明书

技术领域

本发明涉及文语转换技术领域，尤其涉及一种多音字标注模板生成方法和装置。

背景技术

语音合成，又称文语转换技术，是一种能够将文字信息转化为语音并进行朗读的技术。语音合成系统性能的主要评价指标主要包括可懂度和流畅度两方面。其中，对多音字的转换正确与否，极大地影响了用户对合成的声音语义的理解情况，即用户是否能听懂转换后的语音。如果对多音字的转换准确率高，则合成的语音更易于用户理解，也更加自然流畅。

目前，对多音字进行标注主要包括两种方法，一是通过人工总结并建立标注规则的方法，二是通过机器学习的方法对多音字进行标注。其中，基于人工的方法，需要具有一定语言专业知识的人，针对每个不同的多音字所蕴含的各类语言现象进行归纳总结，整理出规则，再将这些规则转写成计算机能够理解的代码，从而实现对多音字的标注。通过机器学习的方法，主要基于TBL算法(Transformation—BasedError-DrivenLearning,错误驱动的规则学习算法)、ME(MaximumEntropyModels，最大熵模型)、决策树等，通过获取样本数据和分词的输入特征，计算出全局最优的统计模型，进而实现对多音字的标注。

但是，上述方法均需要耗费较多的人力和时间去总结规则、标注训练语料，并且工作量大，更新周期长，建立的规则具有一定局限性和片面性，扩展性差。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的一个目的在于提出一种多音字标注模板生成方法，能够减少人工标注的工作量，并提升多音字标注语料的抗噪性和容错性，进而在对多音字的读音进行预测时，提高准确性。

本发明的第二个目的在于提出一种多音字标注模板生成装置。

为了实现上述目的，本发明第一方面实施例提出了一种多音字标注模板生成方法，包括：获取原始语料；对所述原始语料进行预处理，并生成包含多音字的语料数据；切分所述语料数据以生成多个分词，并对所述多个分词进行词性标注，以及进行近义词归一化处理；对归一化后的所述多个分词进行组合，并生成对应的句型；以及反向生成所述句型对应的多音字标注语料，并根据所述多音字标注语料生成多音字标注模板。

本发明实施例的多音字标注模板生成方法，通过获取原始语料，对所述原始语料进行预处理，并生成包含多音字的语料数据，以及切分所述语料数据以生成多个分词，并对所述多个分词进行词性标注，以及进行近义词归一化处理，并对归一化后的所述多个分词进行组合，生成对应的句型；以及反向生成所述句型对应的多音字标注语料，并根据多音字标注语料生成多音字标注模板，减少了人工标注的工作量，并提升了多音字标注语料的抗噪性和容错性，进而在对多音字的读音进行预测时，提高了准确性。

本发明第二方面实施例提出了一种多音字标注模板生成装置，包括：获取模块，用于获取原始语料；第一生成模块，用于对所述原始语料进行预处理，并生成包含多音字的语料数据；处理模块，用于切分所述语料数据以生成多个分词，并对所述多个分词进行词性标注，以及进行近义词归一化处理；第二生成模块，用于对归一化后的所述多个分词进行组合，并生成对应的句型；以及反向生成模块，用于反向生成所述句型对应的多音字标注语料，并根据多音字标注语料生成多音字标注模板。

本发明实施例的多音字标注模板生成装置，通过获取原始语料，对所述原始语料进行预处理，并生成包含多音字的语料数据，以及切分所述语料数据以生成多个分词，并对所述多个分词进行词性标注，以及进行近义词归一化处理，并对归一化后的所述多个分词进行组合，生成对应的句型；以及反向生成所述句型对应的多音字标注语料，并根据多音字标注语料生成多音字标注模板，减少了人工标注的工作量，并提升了多音字标注语料的抗噪性和容错性，进而在对多音字的读音进行预测时，提高了准确性。

附图说明

图1是根据本发明一个实施例的多音字标注模板生成方法的流程图。

图2是根据本发明一个实施例的多音字标注模板生成装置的结构示意图一。

图3是根据本发明一个实施例的多音字标注模板生成装置的结构示意图二。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

下面参考附图描述本发明实施例的多音字标注模板生成方法和装置。