筛选发音词典有效词条的方法及装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN105893414A(43)申请公布日2016.08.24(21)申请号201510848815.X(22)申请日2015.11.26(71)申请人乐视致新电子科技（天津）有限公司地址300467天津市滨海新区生态城动漫中路126号动漫大厦B1区二层201-427(72)发明人张俊博(74)专利代理机构北京国昊天诚知识产权代理有限公司11315代理人刘戈(51)Int.Cl.G06F17/30(2006.01)权利要求书2页说明书10页附图4页(54)发明名称筛选发音词典有效词条的方法及装置(57)摘要本发明实施例提供一种筛选发音词典有效词条的方法及装置。遍历语音词典的每一词条，调用预先训练的统计模型，并根据预设的打分策略，对所述词条打分，其中，所述统计模型中保存有所述词条与相应发音分布的对照关系；根据预设的筛选策略对所述打分后的所述语音词典进行筛选，得到优化后的语音词典。实现了低成本、高效率的发音词典优化，同时提高了发音词典的识别率。CN105893414ACN105893414A权利要求书1/2页1.一种筛选发音词典有效词条的方法，其特征在于，包括如下的步骤：遍历语音词典的每一词条，调用预先训练的统计模型，并根据预设的打分策略，对所述词条打分，其中，所述统计模型中保存有所述词条与相应发音分布的对照关系；根据预设的筛选策略对所述打分后的所述语音词典进行筛选，得到优化后的语音词典。2.根据权利要求1所述的方法，其特征在于，所述方法进一步包括，根据语料采用如下的步骤训练所述统计模型：将用于训练的所述语料进行预处理得到语料库，其中，所述预处理包括去除冗余的文本、断句、去除标点符号、添加句首和句尾的识别标记等。3.根据权利要求2所述的方法，其特征在于，所述方法进一步包括：根据所述语料库，将所述单字与上下文环境中的文字进行不同程度的结合生成带有优先级的字单元；统计每个所述单字对应的字单元的相应发音在所述语料库中出现的发音频率，以所述统计的结果生成所述统计模型。4.根据权利要求3所述的方法，其特征在于，对所述词条打分，进一步包括：查询所述统计模型，根据所述词条中每个所述单字的平均发音频率获取所述词条的平均分；将所述语音词典中的每一所述单字与上下文环境中的文字进行不同程度的结合生成带有优先级的字单元；从优先级最高的所述字单元开始查询所述统计模型，若查询到所述统计模型中存在所述字单元对应的所述发音频率，则将所述发音频率作为所述单字的分数；否则，将所述单字在所述统计模型中发音频率的最大值作为所述单字的分数。5.根据权利要求1或4所述的方法，其特征在于，根据预设的筛选策略对所述打分后的所述语音词典进行筛选，得到优化后的语音词典，进一步包括：设定分数阈值，对于每一组文本相同而发音不同的词条集合，若每个所述单字的分数都小于所述分数阈值，则保留所述平均分最高的词条；否则，删除所述词条集合中包含有单字分数小于所述分数阈值的词条。6.一种筛选发音词典有效词条的装置，其特征在于，包括如下的模块：打分模块，用于遍历语音词典的每一词条，调用统计模型训练模块预先训练的统计模型，并根据预设的打分策略，对所述词条打分，其中，所述统计模型中保存有所述词条与相应发音分布的对照关系；筛选模块，用于根据预设的筛选策略对所述打分后的所述语音词典进行筛选，得到优化后的语音词典。7.根据权利要求6所述的装置，其特征在于，所述统计模型训练模块，用于根据语料采用如下的步骤训练所述统计模型：将用于训练的所述语料进行预处理得到语料库，其中，所述预处理包括去除冗余的文本、断句、去除标点符号、添加句首和句尾的识别标记等。8.根据权利要求7所述的装置，其特征在于，所述统计模型训练模块进一步用于：根据所述语料库，将所述单字与上下文环境中的文字进行不同程度的结合生成带有优2CN105893414A权利要求书2/2页先级的字单元；统计每个所述单字对应的字单元的相应发音在所述语料库中出现的发音频率，以所述统计的结果生成所述统计模型。9.根据权利要求8所述的装置，其特征在于，所述打分模块，进一步用于：查询所述统计模型，根据所述词条中每个所述单字的平均发音频率获取所述词条的平均分；将所述语音词典中的每一所述单字与上下文环境中的文字进行不同程度的结合生成带有优先级的字单元；从优先级最高的所述字单元开始查询所述统计模型，若查询到所述统计模型中存在所述字单元对应的所述发音频率，则将所述发音频率作为所述单字的分数；否则，将所述单字在所述统计模型中发音频率的最大值作为所述单字的分数。10.根据权利要求6或9所述的装置，其特征在于，所述筛选模块，进一步用于：设定分数阈值，对于每一组文本相同而发音不同的词条集合，若每个所述单字的分数都小于所述