用决策树指导TBL进行多音字消歧

多音字消歧是普通话语音合成系统中字音转换模块的核心问题。选择了常见易错的33个多音字和24个多音词作为研究对象,构建了一个平均每个多音字（词）5 000句的语料库,并且提出了一种结合决策树和基于转换的错误驱动的学习（Transformation- Based error-driven Learning,TBL）的混合算法。该方法根据决策树的指导,自动生成TBL算法的模板,避免了手工总结模板这一费时费力的过程。实验结果表明,该方法生成的模板与手工模板性能相当,其平均准确率达90.36%,明显优于决策树。     

支持拼音检索的WEB查询系统的研究与实现

介绍了拼音检索的原理.给出了同时支持中文全拼,首字母简拼以及多音字检索的数据库字段设计方案.通过一个支持拼音检索的WEB查询系统的具体实例,论述了如何运用AJAX来加快WEB查询系统的反应时间,构建一个友好的查询系统.     

编程疑难问题解答

Q用C#打造更有效果的助记码A1需求来源网上关于使用C#取助记码的方法很多,不过一般都是采用将每一个码有哪些汉字的方法来实现助记码的转换,它的缺点是显而易见的:(1)相当于本来应该存放在数据库或者是外部的数据存放到程序中。(2)利用字符串的定位功能,性能上也不一定好。在线性表中查找指定位置结点的数据是最快的,比如一个     

普通话水平测试“朗读”项探析

“朗读”项是普通话水平测试的重要内容。在有文字凭借的测试项中,“朗读”项所占分数的比例最大,达到30%。本文从把握多音字读音、掌握语流音变、控制语速三个方面对该项进行了深入的探讨。     

汉语同音字和多音字处理方法研究

汉语同音字和多音字的存在给我国计算机应用增加了难度,本文分析了汉语关键词在计算机内存储、检索的过程,给出了同音检索算法。此外,还介绍了一种解决汉语系统中多音字判别和处理的方法。     

最大熵算法在汉语拼音标注中的研究与实现

经过对最大熵模型的研究,找到一种适合汉语拼音标注的最大熵模型算法.利用该算法解决了多音字单字成词的情况,从而使得所有包含多音字的词都是两字或多字词.使用该算法随机抽取"读者文摘"中的一篇文章进行标注实验,实验表明拼音标注正确率达到了96.6%以上.     

面向中文文本分类的字符级对抗样本生成方法

对抗样本生成是一种通过添加较小扰动信息,使得神经网络产生误判的技术,可用于检测文本分类模型的鲁棒性。目前,中文领域对抗样本生成方法主要有繁体字和同音字替换等,这些方法都存在对抗样本扰动幅度大,生成对抗样本质量不高的问题。针对这些问题,该文提出一种字符级对抗样本生成方法(PGAS),通过对多音字进行替换可以在较小扰动下生成高质量的对抗样本。首先,构建多音字字典,对多音字进行标注;然后对输入文本进行多音字替换;最后在黑盒模式下进行对抗样本攻击实验。实验在多种情感分类数据集上,针对多种最新的分类模型验证了该方法的有效性。     

看累了 就听一听

利用在线朗读网站和各种中英文朗读软件,可以解放你的眼睛。如今信息高速发展,每天有大量信息通过我们那双可怜巴巴的眼睛,上网看电影、电视、电子书籍和新闻,看得眼睛酸胀、颈椎僵直时,是否渴望嗑着瓜子听书的情景?让电脑自动给你朗读网页新闻、电子书籍和文档,你则可以悠闲地喝着茶水、做—做室内运动或者闭上眼睛休息一小会儿。     

常见的音、形相似易误用的字

“尽”与“烬”音同、形相近，易误用。“烬”是一个名词．只有一个含义，即表示物体燃烧后剩下的东西，如“灰烬”、“余烬”。而“尽”用法较多，共有4个含义，(1)表示“完”，如“取之不尽”、“言无不尽”，“燃尽”表示“燃烧完”。(2)表示“达到极端，如“山穷水尽”，(3)表示“全部用出”如“人尽其才，物尽其用”，(4)表示“所有的”．如“尽人皆知”等。     

宋词字-音转换中多音字处理研究

字音转换问题一直是中文语音合成系统中不可缺少的模块,而确定多音字在文章的特定环境中读什么音是其核心问题。本文以全宋词为研究对象,实现了全宋词的字音转换,其中多音字消歧方法有三种：条件策略,词性策略,格律校正。本系统采用现代汉语字音转换方法和宋词格律特点结合来实现,其中宋词字音转换的多音字标注准确率提高到96．89％