[发明专利]一种用于语音识别的词典生成方法

权利要求书

1.一种用于语音识别的词典生成方法，其特征是：所述方法如下：

S1.使用开源分词工具对标注文件的词句进行分词，得到第一文件；使用开源词典标注脚本对第一文件进行音素标注，得到第二文件，再提取音素标注不成功的字词组成第三文件；

S2.使用多音字词组标注脚本，对第三文件进行音素标注，得到第四文件，再提取未转化的词，组成第五文件；

S3.使用开源分词工具将第五文件的字词全部切分为单字，组成第六文件；

S4.使用单字标注脚本对第六文件的单字进行音素标注，得到第七文件，再提取未转化的字词，组成第八文件；

S5.工作人员对第八文件的字词进行音素标注并得到第九文件；

S6.合并第一文件、第二文件、第四文件、第七文件以及第九文件得到新的词典文件；

S7.生成新的词典文件之后，以新的词典文件更新开源词典标注脚本、单字标注脚本以及多音字词组标注脚本；开源词典标注脚本、单字标注脚本以及多音字词组标注脚本的标注过程为：使用文档编辑工具的列式操作进行批量字符操作，将待处理的文件中的字词替换成音素标注文件。

2.根据权利要求1所述的一种用于语音识别的词典生成方法，其特征是：所述开源词典标注脚本内含现有的基础词典文件，用于对词典文件内已有的字词进行音素标注。

3.根据权利要求1所述的一种用于语音识别的词典生成方法，其特征是：所述多音字词组标注脚本内含有多音字词组的词典文件，用于对多音字词组进行音素标注。

4.根据权利要求1所述的一种用于语音识别的词典生成方法，其特征是：所述单字标注脚本包含有现有的单字词典文件，用于对单字进行音素标注。

5.根据权利要求1所述的一种用于语音识别的词典生成方法，其特征是：所述开源分词工具包括开源分词软件，用于对词句分词或对词组分字。

6.根据权利要求1所述的一种用于语音识别的词典生成方法，其特征是：在开源分词工具对标注文件的词句进行分词之后，把标注文件的第一列wav文件名删掉，使用awk命令统计各个字词出现的次数生成统计文件，取出统计文件的第一列得到第一文件。

7.根据权利要求1所述的一种用于语音识别的词典生成方法，其特征是：词典文件的合并方式为：将第二文件、第四文件、第七文件以及第九文件合并后再与第一文件进行列式合并。

8.根据权利要求1所述的一种用于语音识别的词典生成方法，其特征是：开源分词工具、开源词典标注脚本、单字标注脚本以及多音字词组标注脚本能够运行的操作系统包括linux操作系统。