[发明专利]一种确定汉字拼音的方法、系统、装置及存储介质

权利要求书

1.一种确定汉字拼音的方法，其特征在于，包括：

获取待确定拼音的输入数据；

处理器对所述输入数据进行处理，获取所述输入数据的至少一种候选拼音结果，以及每一种候选拼音结果对应的概率值，所述概率值为对应候选拼音结果为所述输入数据的发音的概率；以及

处理器将概率值最大的候选拼音结果确定为所述输入数据的目标拼音，并输出所述目标拼音。

2.根据权利要求1所述的一种确定汉字拼音的方法，其特征在于，所述处理器对所述输入数据进行处理，得到所述输入数据的至少一种候选拼音结果，以及每一种候选拼音结果对应的概率值包括：

处理器基于状态转移矩阵及发射矩阵确定所述输入数据的至少一种候选拼音结果，以及每一种候选拼音结果对应的概率值；其中，

所述状态转移矩阵包含训练语料中全部汉字的拼音组成的集合中，任意一个拼音转移到集合中其他拼音的概率值以及转移到其自身的概率值；

所述发射矩阵包含所述集合中任意一个拼音对应的汉字取训练语料中各汉字的概率值；

所述训练语料包括多条由含有汉字的文本及其对应的拼音组成的语料对。

3.根据权利要求2所述的一种确定汉字拼音的方法，其特征在于，所述处理器基于状态转移矩阵及发射矩阵确定所述输入数据的至少一种候选拼音结果，以及每一种候选拼音结果对应的概率值，包括：

确定所述输入数据的观察序列；所述观察序列是将所述输入数据对应的文本拆分成单个字符后的字符序列；

确定所述观察序列中每个字符的状态序列；其中，汉字字符的状态序列包含该汉字的全部拼音，数字字符、字母字符与符号字符的状态序列均为其本身；

基于所述状态转移矩阵以及所述发射矩阵确定所述观察序列中每个汉字字符取其状态序列中不同拼音的概率值，得到所述输入数据的至少一种候选拼音结果及其对应的概率值。

4.根据权利要求1所述的一种确定汉字拼音的方法，其特征在于，所述处理器将概率值最大的候选拼音结果确定为所述输入数据的目标拼音包括：保留所述观察序列中每个汉字字符的状态序列中概率值最大的拼音，得到所述输入数据的目标拼音。

5.一种确定汉字拼音的系统，其特征在于，包括获取模块，候选拼音确定模块和目标拼音确定模块，其中，

所述获取模块，用于获取待确定拼音的输入数据；

所述候选拼音确定模块，对所述输入数据进行处理，获取所述输入数据的至少一种候选拼音结果，以及每一种候选拼音结果对应的概率值，所述概率值为对应候选拼音结果为所述输入数据的发音的概率；

所述目标拼音确定模块，用于将概率值最大的候选拼音结果确定为所述输入数据的目标拼音。

6.根据权利要求5所述的确定汉字拼音的系统，其特征在于，所述候选拼音确定模块还用于：

基于状态转移矩阵及发射矩阵确定所述输入数据的至少一种候选拼音结果，以及每一种候选拼音结果对应的概率值；其中，

所述状态转移矩阵包含训练语料中全部汉字的拼音组成的集合中，任意一个拼音转移到集合中其他拼音的概率值以及转移到其自身的概率值；

所述发射矩阵包含所述集合中任意一个拼音对应的汉字取训练语料中各汉字的概率值；

所述训练语料包括多条由含有汉字的文本及其对应的拼音组成的语料对。

7.根据权利要求5所述的一种确定汉字拼音的系统，其特征在于，所述候选拼音确定模块还用于：

确定所述输入数据的观察序列；所述观察序列是将所述输入数据对应的文本拆分成单个字符后的字符序列；

确定所述观察序列中每个字符的状态序列；其中，汉字字符的状态序列包含该汉字的全部拼音，数字字符、字母字符与符号字符的状态序列均为其本身；

基于所述状态转移矩阵以及所述发射矩阵确定所述观察序列中每个汉字字符取其状态序列中不同拼音的概率值，得到所述输入数据的至少一种候选拼音结果及其对应的概率值。