基于声学相关特征与词典语法相关特征的汉语重音检测

• 作者: 倪崇嘉 刘文举 张爱英
• 来源期刊: 计算机学报
• 学科: 工学
• 关键词: 重音 Boosting集成分类回归树 条件随机场 神经网络 分类回归树
• 年，卷（期）: 2011,（9）
• 所属期刊栏目: 研究论文与技术报告
• 页码范围: 1638-1649
• 分类号: TP319
• 字数: 11805字
• 语种: 中文
• DOI: 10.3724/SP.J.1016.2011.01638

摘要

重音对提高语音合成系统的自然度、可懂度以及语音识别系统的正确率等方面扮演着非常重要的作用.该文基于大规模韵律标注的语料库,利用声学相关特征及词典语法相关特征对汉语重音进行检测.采用Boosting 集成分类回归树对当前音节的声学相关特征以及词典语法相关特征进行建模,Boosting集成分类回归树充分利用了当前音节的特性.同时还对词典语法相关特征采用条件随机场方法建模,条件随机场很好地利用了当前音节的上下文特性.最后,将Boosting集成分类回归树模型和条件随机场模型加权组合获得识别率更高的混合模型.该混合模型克服了Boosting集成分类回归树模型的不足,实现了Boosting集成分类回归树和条件随机场的优势互补.实验结果表明该方法具有较好的分类效果,在ASCCD语料库上能够获得84.82％重音检测正确率.同时,与之前其他人的工作在相同的条件下(相同的训练集和测试集)对比,在正确率方面,该方法分别有4.01％和1.67％的提高.另外,该文中,对英语的重音检测和汉语的重音检测做了对比,并通过特征分析方法从另一个层面验证了一些语言学上的结论.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘文举	中国科学院自动化研究所模式识别国家重点实验室	24	278	8.0	16.0
2	倪崇嘉	山东财政学院统计与数理学院	10	154	5.0	10.0
4	张爱英	山东财政学院统计与数理学院	5	12	2.0	3.0