[发明专利]断句模型训练方法、断句方法、装置及计算机设备

权利要求书

1.一种断句模型训练方法，其特征在于，所述方法包括：

利用条件随机场算法，基于所述词的特征信息对带有特征信息的训练语料的分词结果进行训练，以得到所述文本断句模型，所述特征信息包括训练停顿信息；

运用所述文本断句模型对测试数据进行断句，得到断句结果，其中，所述测试语料中包括测试停顿信息；

基于所述断句结果和所述测试停顿信息计算所述断句结果的准确率；

确定所述断句结果的准确率小于准确率阈值，则调整所述条件随机场算法的特征信息次数阈值参数和/或拟合参数，使调整后训练得到的文本断句模型对所述训练语料进行断句的断句结果的准确率大于或等于所述准确率阈值，则将所述调整后训练得到的文本断句模型作为最终的文本断句模型。

2.如权利要求1所述的方法，其特征在于，所述调整所述条件随机场算法的特征信息次数阈值参数和/或拟合参数的步骤，进一步包括：

在1至5的数值范围内调整所述条件随机场算法的特征信息次数阈值参数，在1至3的数值范围内调整所述条件随机场算法的拟合参数。

3.如权利要求1所述的方法，其特征在于，所述运用所述文本断句模型对测试数据进行断句的步骤，进一步包括：

运用所述文本断句模型对测试数据进行断句，得到多个初级断句结果；

运用通过标准断句的语言数据训练得到的n-gram语言模型分别计算每一个所述初级断句结果的总成句概率，将总成句概率最高的对应的初级断句结果作为所述断句结果，其中，所述初级断句结果的总成句概率为该初级断句结果各分句的成句概率之积。

4.如权利要求1所述的方法，其特征在于，所述测试数据为语音测试数据，所述运用所述文本断句模型对测试数据进行断句的步骤，进一步包括：

对所述语音测试数据进行语音识别，得到语音数据文本；

运用所述文本断句模型对所述语音数据文本进行断句，得到断句结果。

5.如权利要求4所述的方法，其特征在于，所述基于所述断句结果和所述测试停顿信息计算所述断句结果的准确率的步骤进一步包括：

为所述语音数据文本添加停顿位置符；

基于所述停顿位置符，为所述语音数据文本添加测试停顿信息；

基于所述断句结果和所述语音数据文本的测试停顿信息，计算所述断句结果的准确率。

6.如权利要求1所述的方法，其特征在于，所述训练语料为语音训练语料，所述方法还包括：

对所述语音训练数据进行语音识别，得到语音数据文本；

训练所述文本断句模型之前，还包括添加特征信息的步骤，还包括：

为所述语音数据文本添加停顿位置符；

基于所述停顿位置符，为所述语音数据文本添加训练停顿信息。

7.如权利要求1所述的方法，其特征在于，所述特征信息还包括：所述训练语料的分词结果的各词的位置信息和词性信息。

8.如权利要求1所述的方法，其特征在于，所述特征信息包括句子成分信息。

9.如权利要求8所述的方法，其特征在于，

通过对所述分词结果进行句法分析以为所述训练语料的分词结果添加句子成分信息。

10.如权利要求1所述的方法，其特征在于，所述训练的步骤进一步包括：

利用条件随机场算法，根据预设的特征模板提取与所述特征模板相应的所述分词结果及其特征信息，以对所述训练语料进行训练，得到所述文本断句模型，其中，提取的特征信息至少包含所述训练停顿信息，预设的特征模板用于表示与所述分词结果中训练的当前词的关系满足预设要求的词及其特征信息。