基于语料库相似度的语料选择

• 作者: 王成友 蔡宣平 许可 迟名远
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 相似语料库 归一化语境误差和 语料库相似度 文语转换系统 拼接损失函数
• 年，卷（期）: 2007,（17）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 231-233
• 页数: 3页
• 分类号: TP393
• 字数: 3369字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2007.17.079

摘要

在基于语料库的文语转换系统中,需要事先选择并合成一定数量的句子得到其MOS评分,通过使拼接损失与MOS分相关系数最大来优化拼接损失函数.该文以清华大学TH-Coss女声语料库为例,提出了归一化语境误差和与语料库相似度的概念,以归一化语境误差和最小为准则,从TH-Coss语料库中选出应该事先合成的那批句子,用剩下的句子替代整个语料库.实验结果表明,与随机选取相比,该文的方法选取出来的句子同整个语料库的相似度有较大幅度的提高,剩余句子组成的语料库与整个语料库的相似度达到0.995 5,表明这种替代是合理的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王成友	国防科技大学电子科学与工程学院智能感知与系统联合研究中心	17	149	8.0	12.0
2	蔡宣平	国防科技大学电子科学与工程学院智能感知与系统联合研究中心	42	583	15.0	22.0
3	许可	国防科技大学电子科学与工程学院智能感知与系统联合研究中心	17	50	4.0	6.0
4	迟名远	国防科技大学电子科学与工程学院智能感知与系统联合研究中心	1	1	1.0	1.0