文档介绍：清华大学学报自然科学版年第卷第期
ISSN 1000-0054 ( )2011 51 9 14/33
CN 11-2223/N J Tsinghua Univ(Sci & Tech),2011,, 1226-1229
用 CART模型指导 TBL算法预测语调短语
刘方舟1 周游2 陶建华3
, ,
湖南师范大学数学与计算机科学学院长沙湖南财政经济学院应用数学系长沙
(1. , 410081;2. , 410205;
中国科学院自动化研究所模式识别国家重点实验室北京
3. , 100190)
摘要语调短语的自动预测是影响合成语音的可懂度和自
: transformation-based error-driven learning(TBL)
然度的关键因素之一。该文提出了一种结合分类与回归树
和基于转换的错误
(classification and regression tree,CART) 在口语交流中说话人会根据说话习惯语义表
驱动的学习, 、
(transformation-based error-driven learning,TBL)
达和发音生理的需要,用短暂停顿将语流分割成长
算法的混合算法,从无限制的文本中预测语调短语边界。该
度适中的“信息块”[1],以方便听者记忆和理解,语音
方法根据模型的指导,自动生成算法的规则模
CART TBL 学称之为语调短语同一段话语的不同的语调短语
板,从而减少了规则学习过程中的人工参与。实验结果表明: 。
基于该混合算法的语调短语预测的达自动划分可能让听者产生不同的语义理解在不恰当的
F-score %。,
生成的模板不仅能较好地替代手工模板而且在与手工位置插入停顿或者在该停的地方没有停都会使得合
TBL ,
模板一起使用时,也能为其提供有益的补充。成语音听起来不自然或者不生动。因此,语调短语
预测的精度很大程度上决定了语音合成系统的自然
关键词: 语调短语预测; 模板生成; 分类与回归树
基于转换的错误驱动的学习度甚至可懂度
(CART); (TBL) 。
中图分类号文献标志码语调短语的预测通常被看作一个分类问题即认
:TN :A ,
文章编号为每个语法词边界都是一个潜在的语调短语边界提
:1000-0054(2011)09-1226-04 ,
取词边界的上下文信息,交由分类器判断该词边界是
否为语调短语边界。许多统计分类方法被用于预测
Intonational phrase prediction based
语调短语,如分类与回归树(
on a CART-guided TBL classification and regres-
[] 基于转换的错误驱动的学习
sion tree,CART)2 、
LIU Fangzhou1,ZHOU You2,TAO Jianhua3
(transformation-based error-driven learning,TBL)[3]
( of Mathematics puter Science,Hunan Norma