CN111737998A - 方言文本生成方法和装置、存储介质和电子设备 - Google Patents
方言文本生成方法和装置、存储介质和电子设备 Download PDFInfo
- Publication number
- CN111737998A CN111737998A CN202010583168.5A CN202010583168A CN111737998A CN 111737998 A CN111737998 A CN 111737998A CN 202010583168 A CN202010583168 A CN 202010583168A CN 111737998 A CN111737998 A CN 111737998A
- Authority
- CN
- China
- Prior art keywords
- word
- dialect
- text
- result
- words
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/103—Formatting, i.e. changing of presentation of documents
- G06F40/117—Tagging; Marking up; Designating a block; Setting of attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/237—Lexical tools
- G06F40/242—Dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/40—Processing or translation of natural language
- G06F40/58—Use of machine translation, e.g. for multi-lingual retrieval, for server-side translation for client devices or for real-time translation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Machine Translation (AREA)
Abstract
本公开涉及一种方言文本生成方法和装置、存储介质和电子设备,所述方法包括将待处理文本输入分词模型,得到分词结果,所述待处理分词结果包括所述待处理文本的各个单词及该单词的前词和/或后词;将所述分词结果输入预训练的方言转写模型,其中,所述方言转写模型用于基于分词结果中的待转写单词及所述待转写单词的前词和/或后词,将所述待转写单词转写为方言单词结果;获取所述方言转写模型输出的方言文本,所述方言文本包括多个所述方言单词结果。
Description
技术领域
本公开涉及文本处理领域,具体地,涉及一种方言文本生成方法和装置、存储介质和电子设备。
背景技术
地域不同导致了人们的语言习惯不同,各地方言的用语习惯也存在差异,即使同属于一个语言体系,不同方言之间仍旧存在很大的不同。这导致通用语使用者与方言使用者、不同的方言的方言使用者之间的沟通存在困难。
在现有技术中,可以基于文本生成特定方言口音的音频,以帮助方言使用者理解文本内容,但是基于通用语言文本生成的方言音频可能存在由于用语习惯不同导致的理解偏差的风险。同一个事物在不同的方言里存在不同的表述,在有些方言里,相同事物在不同语境里的表述也不尽相同,现有技术中没有能够提供符合方言语言习惯的合理文本的方案。
发明内容
提供该发明内容部分以便以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
第一方面,本公开提供一种方言文本生成方法,包括将待处理文本输入分词模型,得到分词结果,所述待处理分词结果包括所述待处理文本的各个单词及该单词的前词和/或后词;将所述分词结果输入预训练的方言转写模型,其中,所述方言转写模型用于基于分词结果中的待转写单词及所述待转写单词的前词和/或后词,将所述待转写单词转写为方言单词结果;获取所述方言转写模型输出的方言文本,所述方言文本包括多个所述方言单词结果。
第二方面,本公开提供一种方言文本生成装置,包括分词模块,用于将待处理文本输入分词模型,得到分词结果,所述待处理分词结果包括所述待处理文本的各个单词及该单词的前词和/或后词;转写模块,用于将所述分词结果输入预训练的方言转写模型,其中,所述方言转写模型用于基于分词结果中的待转写单词及所述待转写单词的前词和/或后词,将所述待转写单词转写为方言单词结果;生成模块,用于获取所述方言转写模型输出的方言文本,所述方言文本包括多个所述方言单词结果。
第三方面,本公开提供一种计算机可读介质,其上存储有计算机程序,该程序被处理装置执行时实现本公开第一方面中所述方法的步骤。
第四方面,本公开提供一种电子设备,包括存储装置和处理装置,存储装置上存储有计算机程序,处理装置用于执行所述存储装置中的所述计算机程序,以本公开第一方面中所述方法的步骤。
基于上述的技术方案,至少可以达到以下的技术效果:
通过分词模型得到包括单词的前词和/或后词的分词结果,并通过预训练的方言转写模型对该包括了前词和/或后词的分词结果进行转写,可以高效地对待处理文本进行批量化处理以得到方言文本,且使得方言文本更符合方言在不同语境下的语言习惯,更加有利于方言使用者理解。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。在附图中:
图1是根据一示例性公开实施例示出的一种方言文本生成方法的流程图。
图2是根据一示例性公开实施例示出的一种方言文本生成方法的流程图。
图3是根据一示例性公开实施例示出的一种方言文本生成装置的框图。
图4是根据一示例性公开实施例示出的一种电子设备的框图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
图1是根据一示例性公开实施例示出的一种方言文本生成方法的流程图,如图1所示,所述方法包括以下步骤:
S11、将待处理文本输入分词模型,得到分词结果,所述待处理分词结果包括所述待处理文本的各个单词及该单词的前词和/或后词。
分词模型可以是基于词典分词算法训练的模型,通过将待处理文本中的字符与词典中的词条进行正向匹配、逆向匹配或双向匹配等方式,将待处理文本中的词语分离开。该分词模型还可以是基于统计的机器学习算法的模型,例如HMM(Hidden Markov Model,隐式马尔科夫模型)、CRF(Conditional Random Fields,条件随机场)模型、SVM(supportvector machines,支持向量机)模型、深度学习模型等,本公开对使用的分词模型不做限制。
分词结果可以包括各个单词以及该单词的前词和/或后词,例如,针对“你是乖小孩吗”这句话,可以得到以下既包括前词也包括后词的分词结果:[(null)你(是)]、[(你)是(乖)]、[(是)乖(小孩)]、[(乖)小孩(吗)]、[(小孩)吗(null)],其中,前词位置或后词位置为“null”则代表该位置不存在单词。分词结果还可以仅包括当前单词及其前词,例如[(null)你]、[(你)是]、[(是)乖]、[(乖)小孩]、[(小孩)吗],这样,可以在将待处理文本的各个单词分离的基础上,保留单词原本存在的语境,以避免不考虑语境只是将单词和方言单词之间进行转写带来的文本用词不自然的问题。
在一种可能的实现方式中,所述待处理分词结果还包括各个单词的长度及该单词的前词和/或后词的长度,例如,针对“你是乖小孩吗”这句话,可以得到以下分词结果:[你(null 0 1是1)][是(你1 1乖1)][乖(是1 1小孩2)][小孩(乖1 2吗1)][吗(小孩2 1null0)]。
对分词结果[吗(小孩2 1null 0)]而言,“吗”表示当前词的内容,“小孩”表示前词的内容,“2”表示前词的长度,“1”表示当前词的长度,“null”表示后词的内容(当为“null”时则表明后词不存在),“0”表示后词的长度。
对分词结果[你(null 0 1是1)]而言,“你”表示当前词的内容,“null”表示“你”字之前不存在前词,0为前词的词长,第一位1为当前词(即“你”字)的词长,“是”为当前词的后词,第二位1为后词(即“是”字)的词长。
在考虑单词词长及单词的前后词的词长后,可以更准确地对单词的语境进行判断,进一步提升转写后的文本的合理性;该词长还可以作为方言转写模型的转写约束条件,例如,可以在训练阶段调整方言转写模型的损失函数,增强对低于预设词长阈值的前词/后词的损失量,以使该方言转写模型对低于预设词长阈值的前词或后词更敏感,从而可以使模型更高效地对待转写词的语境进行学习。
考虑到不同的方言可能存在不同的语序习惯,例如,有的方言喜欢将宾语前置,有的方言喜欢将谓语前置等,因此,在一种可能的实施方式中,所述待处理分词结果还包括各个单词的词性以及该单词的前词和/或后词的词性,例如,针对“你是乖小孩吗”这句话,可以得到以下分词结果:[你(null a b是c)][是(你b c乖d)][乖(是c d小孩b)][小孩(乖d b吗e)][吗(小孩b e null a)]。其中,a表示无词性,b表示名词,c表示动词/系动词,d表示形容词,e表示语气词。这样,方言转写模型可以在转写方言时调整各单词的排列顺序,例如,普通话的待转写文本的语序为[名词1][动词][名词2],而待转写的方言中,语序习惯为[名词1][名词2][动词],则方言转写模型可以在将各个单词转写为方言用词之后,调整各个单词之间的位置关系,使其生成的方言文本更自然流畅。
值得说明的是,该分词结果既可以包括前后词的词性,还可以包括前后词的长度,例如,针对“你是乖小孩吗”这句话,可以得到以下分词结果:[你(null 0a 1b是1c)][是(你1b 1c乖1d)][乖(是1c 1d小孩2b)][小孩(乖1d 2b吗1e)][吗(小孩2b 1e null 0a)]。
值得说明的是,上述的针对前后词位置无单词的“null”字符,针对单词长度的“1”、“2”等数字,以及针对单词词性的“a”、“b”等字母,以及这些字符、字母的排列顺序,均是为了解释方案而进行的举例说明,本领域技术人员应当知悉,在应用过程中,这些字符、数字以及一个分词结果中各字符的排列顺序均可以进行适应性调整,例如,用“0”取代“null”以表示前后词位置无单词,用“abc”等字母取代“123”等数字以表示前后词的长度,用“verb”“noun”等单词取代“c”“b”等字母,以表示单词的词性,并且可以任意调整分词结果中代表前词、后词、前词长度、后词长度、前词词性、后词词性、当前词长度、当前词词性的字符的位置等,以实现同等的效果。
单词的内容可以是以文字形式呈现的,例如,直接在分词结果中以文字“你”表示当前词,以文字“是”表示后词;单词的内容还可以是以索引值的形式呈现的,例如,可以以索引值“371”表示当前词,“27”表示后词,其中,索引值371在词典中对应的文字为“你”,索引值27在词典中对应的文字为“是”。本公开对文字内容的表现形式不做限定。
在本公开中,待处理文本的语言可以是生成的方言文本的语系的通用语言(例如,生成的方言文本是上海话文本,待处理文本是普通话文本),也可以是该语系下的其他方言(例如,生成的方言文本是上海话文本,待处理文本是四川话文本)。
S12、将所述分词结果输入预训练的方言转写模型,其中,所述方言转写模型用于基于分词结果中的待转写单词及所述待转写单词的前词和/或后词,将所述待转写单词转写为方言单词结果。
方言转写模型可以将输入的单词转换成预设方言种类的方言单词,例如,该方言转写模型的预设方言种类为上海话时,则可以将输入的“你”转换成“侬”。值得说明的是,方言转写模型不仅可以将通用语言转换为方言,也可以将第一方言转换为第二方言。
其中,该方言转写模型可以是条件随机场模型CRF,可以将输入的所有特征全局归一化处理,得到全局的最优值。该方言单词结果可以是文字结果,也可以是索引值结果,该索引值与词典中的文字一一对应。值得说明的是,在S11中提到的分词结果的文字内容可以由文字或索引值的方式体现,其中的索引值可以与方言单词结果的索引值是同一索引系统的索引值,例如,两者都对应同一本词典,不同索引值和词典中单词的对应关系也一致;分词结果的文字内容中的索引值也可以与方言单词结果中的索引值结果是不同索引系统的索引值,例如,分词结果的索引值为第一索引值,对应的是第一词典,方言单词结果中的索引值为第二索引值,对应的是第二词典。
其中,方言转写模型是通过以下的训练步骤训练得到的:
重复执行将样本分词结果输入待训练的方言转写模型,并获取所述待训练的方言转写模型输出的训练方言单词结果,并基于样本方言单词结果和所述训练方言单词结果,调整所述方言转写模型中的参数的步骤,直至满足训练停止条件;其中,所述训练方言单词结果包括对所述样本分词结果标注的方言标签值。
该训练停止条件可以是迭代次数达到预设次数阈值,模型的误差值小于预设误差值阈值,训练时间满足预设训练时间条件,样本数据量满足预设数据量条件等,本领域技术人员可以根据模型需求进行适应性设定。本领域技术人员应当知悉,考虑到训练成本和模型精度之间的统筹,以及模型应用场景对模型精度的要求等情况,可以对模型的训练停止条件进行适应性变更,不同的训练停止条件均是为了使模型的训练程度达到预期的效果,不应构成对本公开的限定。
所述样本分词结果是通过将样本文本输入所述分词模型得到的;所述训练步骤还包括:获取与所述样本分词结果一一对应的方言标注结果,并基于所述方言标注结果在所述预设方言词典中查询与该方言标注结果对应的标签值,并将该标签值作为所述样本文本分词结果的标签值。
其中,该预分词结果一一对应的方言标注结果,可以是人工对样本分词结果进行方言转写得到的标注结果,也可以是将与样本文本对应的样本方言文本输入分词模型后得到的方言分词结果与样本分词结果进行一一投射后得到的投射结果。
例如,样本分词结果[(null)你(是)]、[(你)是(乖)]、[(是)乖(小孩)]、[(乖)小孩(吗)]、[(小孩)吗(null)],分别会被转写为“侬”“是个”“乖”“小人”“伐”,或者与上述文字对应的索引值结果。
由于本公开中的样本分词结果包括了单词的前词和/或后词,使得方言转写模型在处理方言时可以考虑到其语境,而不是单纯地建立原单词和方言单词之间的对应关系,使方言的转写结果更贴合方言使用者的语言习惯。
例如,针对普通话中的“故意”一词,有两种不同的含义,一种用做副词,表示特意、特地、存心等含义,一种用做名词,在法律意义上表示明知自己的行为会发生危害社会的结果的主观心理状态。前者在上海方言中的表述为“存心”,后者在上海方言中的表述仍然为“故意”。若不考虑语境,将所有的“故意”转写为“存心”,则可能存在后种含义也被转写的情况,在考虑到前后词的情况下,分词结果[(你)故意(来)]可以被转写为“存心”,分词结果[(的)故意(null)]和[(犯罪)故意(吗)]等可以被转写为“故意”,使方言转写更符合语境需求。
当输入转写模型的分词结果还包括单词及其前后词的长度时,该方言转写模型还可以基于分词结果中的待转写单词及所述待转写单词的前词和/或后词,以及所述待转写单词的长度与所述待转写单词的前词和/或后词的长度,将所述待转写单词转写为方言单词结果。在训练时,分词模型也会对样本文本进行长度标注,方言转写模型在训练阶段的学习样本中也包含了单词的长度,从而可以将单词的长度作为约束条件得到更符合语境的转写结果。
当输入转写模型的分词结果还包括单词及其前后词的词性时,该方言转写模型还用于基于分词结果中的待转写单词及所述带转写单词的前词和/或后词,以及所述待转写单词的词性与所述待转写单词的前词和/或后词的词性,将所述待转写单词转写为方言单词结果,所述方言单词结果在所有方言单词结果中的位置与所述待转写单词的词性呈预设对应关系。在训练时,分词模型也会对样本文本进行词性标注,方言转写模型在训练阶段的学习样本中也包含了单词及其前后词的词性,从而可以将单词及其前后词的词性作为约束条件,调整方言单词结果的排列顺序,得到更符合语法习惯的转写结果。
S13、获取所述方言转写模型输出的方言文本,所述方言文本包括多个所述方言单词结果。
方言转写模型输出的多个方言单词结果排列组合后可以生成方言文本,例如,待处理文本“你是个乖小孩吗”的样本分词结果[(null)你(是)]、[(你)是(乖)]、[(是)乖(小孩)]、[(乖)小孩(吗)]、[(小孩)吗(null)],被方言转写模型转写后得到的方言单词结果依次为“侬”“是个”“乖”“小人”“伐”,则将方言单词结果组合得到方言文本“侬是个乖小人伐”。
在一种可能的实施方式中,所述方言单词结果包括对所述分词结果标注的方言标签值,所述方言标签值表征单词与预设方言词典的索引关系。可以获取所述方言转写模型输出的所述分词结果的方言标签值,并基于该方言标签值在所述预设方言词典中查询对应的方言词汇,并将查询到的方言词汇按照所述分词结果的排列顺序进行排列,获得方言文本。
例如,待处理文本“你是个乖小孩吗”的样本分词结果[(null)你(是)]、[(你)是(乖)]、[(是)乖(小孩)]、[(乖)小孩(吗)]、[(小孩)吗(null)],被方言转写模型转写后得到的方言单词结果依次为“23”“75”“896”“786”“38”,则可以按照索引值在预设方言词典中查询得到方言词汇“侬”“是个”“乖”“小人”“伐”,并可以将方言词汇组合得到方言文本“侬是个乖小人伐”。
在得到方言文本之后,还可以基于所述方言转写模型输出的方言文本,生成方言音频,这样,可以生成更符合方言语言习惯的音频。
基于上述的技术方案,至少可以达到以下的技术效果:
通过分词模型得到包括单词的前词和/或后词的分词结果,并通过预训练的方言转写模型对该包括了前词和/或后词的分词结果进行转写,可以高效地对待处理文本进行批量化处理以得到方言文本,且使得方言文本更符合方言在不同语境下的语言习惯,更加有利于方言使用者理解。
图2是根据一示例性公开实施例示出的一种方言文本生成方法的流程图,如图2所示,所述方法包括以下步骤:
S21、将待处理文本输入分词模型,得到分词结果,所述待处理分词结果包括所述待处理文本的各个单词及该单词的前词和/或后词,以及所述待转写单词的长度与所述待转写单词的前词和/或后词的长度。
分词模型可以是基于词典分词算法训练的模型,通过将待处理文本中的字符与词典中的词条进行正向匹配、逆向匹配或双向匹配等方式,将待处理文本中的词语分离开。该分词模型还可以是基于统计的机器学习算法的模型,例如HMM(Hidden Markov Model,隐式马尔科夫模型)、CRF(Conditional Random Fields,条件随机场)模型、SVM(supportvector machines,支持向量机)模型、深度学习模型等,本公开对使用的分词模型不做限制。
分词结果可以包括各个单词以及该单词的前词和/或后词以及各个单词的长度,例如,针对“你是乖小孩吗”这句话,可以得到以下既包括前词也包括后词的分词结果:[你(null 0 1是1)][是(你1 1乖1)][乖(是1 1小孩2)][小孩(乖1 2吗1)][吗(小孩2 1null0)],其中,前词位置或后词位置为“null”则代表该位置不存在单词。分词结果还可以仅包括当前单词及其前词的及它们的长度,例如[(null 0)你1]、[(你1)是1]、[(是1)乖1]、[(乖1)小孩2]、[(小孩)吗]。
对分词结果[吗(小孩2 1null 0)]而言,“吗”表示当前词的内容,“小孩”表示前词的内容,“2”表示前词的长度,“1”表示当前词的长度,“null”表示后词的内容(当为“null”时则表明后词不存在),“0”表示后词的长度。
对分词结果[你(null 0 1是1)]而言,“你”表示当前词的内容,“null”表示“你”字之前不存在前词,0为前词的词长,第一位1为当前词(即“你”字)的词长,“是”为当前词的后词,第二位1为后词(即“是”字)的词长。
在考虑单词词长及单词的前后词的词长后,可以更准确地对单词的语境进行判断,进一步提升转写后的文本的合理性;该词长还可以作为方言转写模型的转写约束条件,例如,可以在训练阶段调整方言转写模型的损失函数,增强对低于预设词长阈值的前词/后词的损失量,以使该方言转写模型对低于预设词长阈值的前词或后词更敏感,从而可以使模型更高效地对待转写词的语境进行学习。
考虑到不同的方言可能存在不同的语序习惯,例如,有的方言喜欢将宾语前置,有的方言喜欢将谓语前置等,因此,在一种可能的实施方式中,所述待处理分词结果还包括各个单词的词性以及该单词的前词和/或后词的词性,例如,针对“你是乖小孩吗”这句话,可以得到以下分词结果:[你(null 0a 1b是1c)][是(你1b 1c乖1d)][乖(是1c 1d小孩2b)][小孩(乖1d 2b吗1e)][吗(小孩2b 1e null 0a)]。这样,方言转写模型可以在转写方言时调整各单词的排列顺序,例如,普通话的待转写文本的语序为[名词1][动词][名词2],而待转写的方言中,语序习惯为[名词1][名词2][动词],则方言转写模型可以在将各个单词转写为方言用词之后,调整各个单词之间的位置关系,使其生成的方言文本更自然流畅。
值得说明的是,上述的针对前后词位置无单词的“null”字符,针对单词长度的“1”、“2”等数字,以及针对单词词性的“a”、“b”等字母,以及这些字符、字母的排列顺序,均是为了解释方案而进行的举例说明,本领域技术人员应当知悉,在应用过程中,这些字符、数字以及一个分词结果中各字符的排列顺序均可以进行适应性调整,例如,用“0”取代“null”以表示前后词位置无单词,用“abc”等字母取代“123”等数字以表示前后词的长度,用“verb”“noun”等单词取代“c”“b”等字母,以表示单词的词性,并且可以任意调整分词结果中代表前词、后词、前词长度、后词长度、前词词性、后词词性、当前词长度、当前词词性的字符的位置等,以实现同等的效果。
单词的内容可以是以文字形式呈现的,例如,直接在分词结果中以文字“你”表示当前词,以文字“是”表示后词;单词的内容还可以是以索引值的形式呈现的,例如,可以以索引值“371”表示当前词,“27”表示后词,其中,索引值371在词典中对应的文字为“你”,索引值27在词典中对应的文字为“是”。本公开对文字内容的表现形式不做限定。
在本公开中,待处理文本的语言可以是生成的方言文本的语系的通用语言(例如,生成的方言文本是上海话文本,待处理文本是普通话文本),也可以是该语系下的其他方言(例如,生成的方言文本是上海话文本,待处理文本是四川话文本)。
S22、将所述分词结果输入预训练的方言转写模型,其中,所述方言转写模型用于基于分词结果中的待转写单词及所述待转写单词的前词和/或后词,以及所述待转写单词的长度与所述待转写单词的前词和/或后词的长度,将所述待转写单词转写为方言标签值。
方言转写模型可以将输入的单词转换成预设方言词典中的方言单词对应的标签值,例如,该方言转写模型的预设方言种类为上海话时,则可以将输入的“你”转换成上海方言词典中“侬”对应的标签值。值得说明的是,方言转写模型不仅可以将通用语言转换为方言,也可以将第一方言转换为第二方言。
其中,该方言转写模型可以是条件随机场模型CRF,可以将输入的所有特征全局归一化处理,得到全局的最优值。该方言单词结果可以是文字结果,也可以是索引值结果,该索引值与词典中的文字一一对应。值得说明的是,在S21中提到的分词结果的文字内容可以由文字或索引值的方式体现,其中的索引值可以与方言单词结果的索引值是同一索引系统的索引值,例如,两者都对应同一本词典,不同索引值和词典中单词的对应关系也一致;分词结果的文字内容中的索引值也可以与方言单词结果中的索引值结果是不同索引系统的索引值,例如,分词结果的索引值为第一索引值,对应的是第一词典,方言单词结果中的索引值为第二索引值,对应的是第二词典。
其中,方言转写模型是通过以下的训练步骤训练得到的:
重复执行将样本分词结果输入待训练的方言转写模型,并获取所述待训练的方言转写模型输出的训练方言单词结果,并基于样本方言单词结果和所述训练方言单词结果,调整所述方言转写模型中的参数的步骤,直至满足训练停止条件;其中,所述训练方言单词结果包括对所述样本分词结果标注的方言标签值。
该训练停止条件可以是迭代次数达到预设次数阈值,模型的误差值小于预设误差值阈值,训练时间满足预设训练时间条件,样本数据量满足预设数据量条件等,本领域技术人员可以根据模型需求进行适应性设定。本领域技术人员应当知悉,考虑到训练成本和模型精度之间的统筹,以及模型应用场景对模型精度的要求等情况,可以对模型的训练停止条件进行适应性变更,不同的训练停止条件均是为了使模型的训练程度达到预期的效果,不应构成对本公开的限定。
所述样本分词结果是通过将样本文本输入所述分词模型得到的;所述训练步骤还包括:获取与所述样本分词结果一一对应的方言标注结果,并基于所述方言标注结果在所述预设方言词典中查询与该方言标注结果对应的标签值,并将该标签值作为所述样本文本分词结果的标签值。
其中,该预分词结果一一对应的方言标注结果,可以是人工对样本分词结果进行方言转写得到的标注结果,也可以是将与样本文本对应的样本方言文本输入分词模型后得到的方言分词结果与样本分词结果进行一一投射后得到的投射结果。
例如,样本分词结果[你(null 0 1是1)]、[是(你1 1乖1)]、[乖(是1 1小孩2)]、[小孩(乖1小孩2吗1)]、[吗(小孩2 1null 0)],分别会被标注为“侬”“是个”“乖”“小人”“伐”对应的索引值结果。
由于本公开中的样本分词结果包括了单词的前词和/或后词及其长度,使得方言转写模型在处理方言时可以考虑到其语境,而不是单纯地建立原单词和方言单词之间的对应关系,使方言的转写结果更贴合方言使用者的语言习惯。
例如,针对普通话中的“故意”一词,有两种不同的含义,一种用做副词,表示特意、特地、存心等含义,一种用做名词,在法律意义上表示明知自己的行为会发生危害社会的结果的主观心理状态。前者在上海方言中的表述为“存心”,后者在上海方言中的表述仍然为“故意”。若不考虑语境,将所有的“故意”转写为“存心”,则可能存在后种含义也被转写的情况,在考虑到前后词的情况下,分词结果[(你)故意(来)]可以被转写为“存心”,分词结果[(的)故意(null)]和[(犯罪)故意(吗)]等可以被转写为“故意”,使方言转写更符合语境需求。
并且,有些长度的前后词对语境的影响不大,有些长度的前后词对语境影响较小,有些长度的前后词会对机器学习造成负面影响,因此,通过对单词的长度进行标注,可以将单词的长度作为约束条件得到更符合语境的转写结果。
当输入转写模型的分词结果还包括单词及其前后词的词性时,该方言转写模型还用于基于分词结果中的待转写单词及所述带转写单词的前词和/或后词,以及所述待转写单词的词性与所述待转写单词的前词和/或后词的词性,将所述待转写单词转写为方言单词结果,所述方言单词结果在所有方言单词结果中的位置与所述待转写单词的词性呈预设对应关系。在训练时,分词模型也会对样本文本进行词性标注,方言转写模型在训练阶段的学习样本中也包含了单词及其前后词的词性,从而可以将单词及其前后词的词性作为约束条件,调整方言单词结果的排列顺序,得到更符合语法习惯的转写结果。
S23、获取所述方言转写模型输出的所述分词结果的方言标签值,并基于该方言标签值在所述预设方言词典中查询对应的方言词汇,并将查询到的方言词汇按照所述分词结果的排列顺序进行排列,获得方言文本。
例如,待处理文本“你是个乖小孩吗”的样本分词结果[你(null 0 1是1)][是(你11乖1)][乖(是1 1小孩2)][小孩(乖1 2吗1)][吗(小孩2 1null0)],被方言转写模型转写后得到的方言单词结果依次为“23”“75”“896”“786”“38”,则可以按照索引值在预设方言词典中查询得到方言词汇“侬”“是个”“乖”“小人”“伐”,并可以将方言词汇组合得到方言文本“侬是个乖小人伐”。
在得到方言文本之后,还可以基于所述方言转写模型输出的方言文本,生成方言音频,这样,可以生成更符合方言语言习惯的音频。
基于上述的技术方案,至少可以达到以下的技术效果:
通过分词模型得到包括单词的前词和/或后词的分词结果以及其长度,并通过预训练的方言转写模型对该包括了前词和/或后词及其长度的分词结果进行转写得到索引值,并基于索引值生成方言文本,可以高效地对待处理文本进行批量化处理以得到方言文本,且使得方言文本更符合方言在不同语境下的语言习惯,更加有利于方言使用者理解。
图3是根据一示例性公开实施例示出的一种方言文本生成装置的框图,如图3所示,所述装置300包括分词模块301、转写模块302、生成模块303。
其中,分词模块301,用于将待处理文本输入分词模型,得到分词结果,所述待处理分词结果包括所述待处理文本的各个单词及该单词的前词和/或后词;
转写模块302,用于将所述分词结果输入预训练的方言转写模型,其中,所述方言转写模型用于基于分词结果中的待转写单词及所述待转写单词的前词和/或后词,将所述待转写单词转写为方言单词结果;
生成模块303,用于获取所述方言转写模型输出的方言文本,所述方言文本包括多个所述方言单词结果。
可选地,所述方言单词结果包括对所述分词结果标注的方言标签值,所述方言标签值表征单词与预设方言词典的索引关系;所述生成模块,还用于获取所述方言转写模型输出的所述分词结果的方言标签值,并基于该方言标签值在所述预设方言词典中查询对应的方言词汇,并将查询到的方言词汇按照所述分词结果的排列顺序进行排列,获得方言文本。
可选地,所述装置还包括训练模块,用于重复执行将样本分词结果输入待训练的方言转写模型,并获取所述待训练的方言转写模型输出的训练方言单词结果,并基于样本方言单词结果和所述训练方言单词结果,调整所述方言转写模型中的参数的步骤,直至满足训练停止条件;其中,所述训练方言单词结果包括对所述样本分词结果标注的方言标签值。
可选地,所述样本分词结果是通过将样本文本输入所述分词模型得到的;所述训练模块还用于获取与所述样本分词结果一一对应的方言标注结果,并基于所述方言标注结果在所述预设方言词典中查询与该方言标注结果对应的标签值,并将该标签值作为所述样本文本分词结果的标签值。
可选地,所述待处理分词结果还包括各个单词的长度及该单词的前词和/或后词的长度;所述方言转写模型,用于基于分词结果中的待转写单词及所述待转写单词的前词和/或后词,以及所述待转写单词的长度与所述待转写单词的前词和/或后词的长度,将所述待转写单词转写为方言单词结果。
可选地,所述待处理分词结果还包括各个单词的词性以及该单词的前词和/或后词的词性;所述方言转写模型,用于基于分词结果中的待转写单词及所述带转写单词的前词和/或后词,以及所述待转写单词的词性与所述待转写单词的前词和/或后词的词性,将所述待转写单词转写为方言单词结果,所述方言单词结果在所有方言单词结果中的位置与所述待转写单词的词性呈预设对应关系。
可选地,所述装置还包括音频模块,用于基于所述方言转写模型输出的方言文本,生成方言音频。
基于上述的技术方案,至少可以达到以下的技术效果:
通过分词模型得到包括单词的前词和/或后词的分词结果,并通过预训练的方言转写模型对该包括了前词和/或后词的分词结果进行转写,可以高效地对待处理文本进行批量化处理以得到方言文本,且使得方言文本更符合方言在不同语境下的语言习惯,更加有利于方言使用者理解。
下面参考图4,其示出了适于用来实现本公开实施例的电子设备400的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图4示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图4所示,电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401,其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中,还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
通常,以下装置可以连接至I/O接口405:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407;包括例如磁带、硬盘等的存储装置408;以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置409从网络上被下载和安装,或者从存储装置408被安装,或者从ROM 402被安装。在该计算机程序被处理装置401执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperTextTransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取至少两个网际协议地址;向节点评价设备发送包括所述至少两个网际协议地址的节点评价请求,其中,所述节点评价设备从所述至少两个网际协议地址中,选取网际协议地址并返回;接收所述节点评价设备返回的网际协议地址;其中,所获取的网际协议地址指示内容分发网络中的边缘节点。
或者,上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:接收包括至少两个网际协议地址的节点评价请求;从所述至少两个网际协议地址中,选取网际协议地址;返回选取出的网际协议地址;其中,接收到的网际协议地址指示内容分发网络中的边缘节点。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,模块的名称在某种情况下并不构成对该模块本身的限定,例如,第一获取模块还可以被描述为“获取至少两个网际协议地址的模块”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例,示例1提供了一种方言文本生成方法,包括将待处理文本输入分词模型,得到分词结果,所述待处理分词结果包括所述待处理文本的各个单词及该单词的前词和/或后词;将所述分词结果输入预训练的方言转写模型,其中,所述方言转写模型用于基于分词结果中的待转写单词及所述待转写单词的前词和/或后词,将所述待转写单词转写为方言单词结果;获取所述方言转写模型输出的方言文本,所述方言文本包括多个所述方言单词结果。
根据本公开的一个或多个实施例,示例2提供了示例1的方法,所述方言单词结果包括对所述分词结果标注的方言标签值,所述方言标签值表征单词与预设方言词典的索引关系;所述获取所述方言转写模型输出的方言文本,包括:获取所述方言转写模型输出的所述分词结果的方言标签值,并基于该方言标签值在所述预设方言词典中查询对应的方言词汇,并将查询到的方言词汇按照所述分词结果的排列顺序进行排列,获得方言文本。
根据本公开的一个或多个实施例,示例3提供了示例2的方法,所述方言转写模型是通过以下的训练步骤训练得到的:重复执行将样本分词结果输入待训练的方言转写模型,并获取所述待训练的方言转写模型输出的训练方言单词结果,并基于样本方言单词结果和所述训练方言单词结果,调整所述方言转写模型中的参数的步骤,直至满足训练停止条件;其中,所述训练方言单词结果包括对所述样本分词结果标注的方言标签值。
根据本公开的一个或多个实施例,示例4提供了示例3的方法,所述样本分词结果是通过将样本文本输入所述分词模型得到的;所述训练步骤还包括:获取与所述样本分词结果一一对应的方言标注结果,并基于所述方言标注结果在所述预设方言词典中查询与该方言标注结果对应的标签值,并将该标签值作为所述样本文本分词结果的标签值。
根据本公开的一个或多个实施例,示例5提供了示例1的方法,所述待处理分词结果还包括各个单词的长度及该单词的前词和/或后词的长度;所述方言转写模型,用于基于分词结果中的待转写单词及所述待转写单词的前词和/或后词,以及所述待转写单词的长度与所述待转写单词的前词和/或后词的长度,将所述待转写单词转写为方言单词结果。
根据本公开的一个或多个实施例,示例6提供了示例1的方法,所述待处理分词结果还包括各个单词的词性以及该单词的前词和/或后词的词性;所述方言转写模型,用于基于分词结果中的待转写单词及所述带转写单词的前词和/或后词,以及所述待转写单词的词性与所述待转写单词的前词和/或后词的词性,将所述待转写单词转写为方言单词结果,所述方言单词结果在所有方言单词结果中的位置与所述待转写单词的词性呈预设对应关系。
根据本公开的一个或多个实施例,示例7提供了示例1-4的方法,所述方法还包括:基于所述方言转写模型输出的方言文本,生成方言音频。
根据本公开的一个或多个实施例,示例8提供了一种方言文本生成装置,包括分词模块,用于将待处理文本输入分词模型,得到分词结果,所述待处理分词结果包括所述待处理文本的各个单词及该单词的前词和/或后词;转写模块,用于将所述分词结果输入预训练的方言转写模型,其中,所述方言转写模型用于基于分词结果中的待转写单词及所述待转写单词的前词和/或后词,将所述待转写单词转写为方言单词结果;生成模块,用于获取所述方言转写模型输出的方言文本,所述方言文本包括多个所述方言单词结果。
根据本公开的一个或多个实施例,示例9提供了示例8的装置,所述方言单词结果包括对所述分词结果标注的方言标签值,所述方言标签值表征单词与预设方言词典的索引关系;所述生成模块,还用于获取所述方言转写模型输出的所述分词结果的方言标签值,并基于该方言标签值在所述预设方言词典中查询对应的方言词汇,并将查询到的方言词汇按照所述分词结果的排列顺序进行排列,获得方言文本。
根据本公开的一个或多个实施例,示例10提供了示例9的装置,所述装置还包括训练模块,用于重复执行将样本分词结果输入待训练的方言转写模型,并获取所述待训练的方言转写模型输出的训练方言单词结果,并基于样本方言单词结果和所述训练方言单词结果,调整所述方言转写模型中的参数的步骤,直至满足训练停止条件;其中,所述训练方言单词结果包括对所述样本分词结果标注的方言标签值。
根据本公开的一个或多个实施例,示例11提供了示例10的装置,所述样本分词结果是通过将样本文本输入所述分词模型得到的;所述训练模块还用于获取与所述样本分词结果一一对应的方言标注结果,并基于所述方言标注结果在所述预设方言词典中查询与该方言标注结果对应的标签值,并将该标签值作为所述样本文本分词结果的标签值。
根据本公开的一个或多个实施例,示例12提供了示例8的装置,所述待处理分词结果还包括各个单词的长度及该单词的前词和/或后词的长度;所述方言转写模型,用于基于分词结果中的待转写单词及所述待转写单词的前词和/或后词,以及所述待转写单词的长度与所述待转写单词的前词和/或后词的长度,将所述待转写单词转写为方言单词结果。
根据本公开的一个或多个实施例,示例13提供了示例8的装置,所述待处理分词结果还包括各个单词的词性以及该单词的前词和/或后词的词性;所述方言转写模型,用于基于分词结果中的待转写单词及所述带转写单词的前词和/或后词,以及所述待转写单词的词性与所述待转写单词的前词和/或后词的词性,将所述待转写单词转写为方言单词结果,所述方言单词结果在所有方言单词结果中的位置与所述待转写单词的词性呈预设对应关系。
根据本公开的一个或多个实施例,示例14提供了示例8-11的装置,所述装置还包括音频模块,用于基于所述方言转写模型输出的方言文本,生成方言音频。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
Claims (10)
1.一种方言文本生成方法,其特征在于,所述方法包括:
将待处理文本输入分词模型,得到分词结果,所述待处理分词结果包括所述待处理文本的各个单词及该单词的前词和/或后词;
将所述分词结果输入预训练的方言转写模型,其中,所述方言转写模型用于基于分词结果中的待转写单词及所述待转写单词的前词和/或后词,将所述待转写单词转写为方言单词结果;
获取所述方言转写模型输出的方言文本,所述方言文本包括多个所述方言单词结果。
2.根据权利要求1所述的方法,其特征在于,所述方言单词结果包括对所述分词结果标注的方言标签值,所述方言标签值表征单词与预设方言词典的索引关系;
所述获取所述方言转写模型输出的方言文本,包括:
获取所述方言转写模型输出的所述分词结果的方言标签值,并基于该方言标签值在所述预设方言词典中查询对应的方言词汇,并将查询到的方言词汇按照所述分词结果的排列顺序进行排列,获得方言文本。
3.根据权利要求2所述的方法,其特征在于,所述方言转写模型是通过以下的训练步骤训练得到的:
重复执行将样本分词结果输入待训练的方言转写模型,并获取所述待训练的方言转写模型输出的训练方言单词结果,并基于样本方言单词结果和所述训练方言单词结果,调整所述方言转写模型中的参数的步骤,直至满足训练停止条件;
其中,所述训练方言单词结果包括对所述样本分词结果标注的方言标签值。
4.根据权利要求3所述的方法,其特征在于,所述样本分词结果是通过将样本文本输入所述分词模型得到的;
所述训练步骤还包括:
获取与所述样本分词结果一一对应的方言标注结果,并基于所述方言标注结果在所述预设方言词典中查询与该方言标注结果对应的标签值,并将该标签值作为所述样本文本分词结果的标签值。
5.根据权利要求1所述的方法,其特征在于,所述待处理分词结果还包括各个单词的长度及该单词的前词和/或后词的长度;
所述方言转写模型,用于基于分词结果中的待转写单词及所述待转写单词的前词和/或后词,以及所述待转写单词的长度与所述待转写单词的前词和/或后词的长度,将所述待转写单词转写为方言单词结果。
6.根据权利要求1所述的方法,其特征在于,所述待处理分词结果还包括各个单词的词性以及该单词的前词和/或后词的词性;
所述方言转写模型,用于基于分词结果中的待转写单词及所述带转写单词的前词和/或后词,以及所述待转写单词的词性与所述待转写单词的前词和/或后词的词性,将所述待转写单词转写为方言单词结果,所述方言单词结果在所有方言单词结果中的位置与所述待转写单词的词性呈预设对应关系。
7.根据权利要求1-4任一项所述的方法,其特征在于,所述方法还包括:
基于所述方言转写模型输出的方言文本,生成方言音频。
8.一种方言文本生成装置,其特征在于,所述装置包括:
分词模块,用于将待处理文本输入分词模型,得到分词结果,所述待处理分词结果包括所述待处理文本的各个单词及该单词的前词和/或后词;
转写模块,用于将所述分词结果输入预训练的方言转写模型,其中,所述方言转写模型用于基于分词结果中的待转写单词及所述待转写单词的前词和/或后词,将所述待转写单词转写为方言单词结果;
生成模块,用于获取所述方言转写模型输出的方言文本,所述方言文本包括多个所述方言单词结果。
9.一种计算机可读介质,其上存储有计算机程序,其特征在于,该程序被处理装置执行时实现权利要求1-7中任一项所述方法的步骤。
10.一种电子设备,其特征在于,包括:
存储装置,其上存储有计算机程序;
处理装置,用于执行所述存储装置中的所述计算机程序,以实现权利要求1-7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010583168.5A CN111737998A (zh) | 2020-06-23 | 2020-06-23 | 方言文本生成方法和装置、存储介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010583168.5A CN111737998A (zh) | 2020-06-23 | 2020-06-23 | 方言文本生成方法和装置、存储介质和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111737998A true CN111737998A (zh) | 2020-10-02 |
Family
ID=72650751
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010583168.5A Pending CN111737998A (zh) | 2020-06-23 | 2020-06-23 | 方言文本生成方法和装置、存储介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111737998A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112652309A (zh) * | 2020-12-21 | 2021-04-13 | 科大讯飞股份有限公司 | 一种方言语音转换方法、装置、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1815551A (zh) * | 2006-02-28 | 2006-08-09 | 安徽中科大讯飞信息科技有限公司 | 在方言语音合成系统中进行文本方言化处理的方法 |
CN105551480A (zh) * | 2015-12-18 | 2016-05-04 | 百度在线网络技术(北京)有限公司 | 方言转换方法及装置 |
CN109145294A (zh) * | 2018-08-07 | 2019-01-04 | 北京三快在线科技有限公司 | 文本实体识别方法及装置、电子设备、存储介质 |
CN110534115A (zh) * | 2019-10-14 | 2019-12-03 | 上海企创信息科技有限公司 | 多方言混合语音的识别方法、装置、系统和存储介质 |
CN111090727A (zh) * | 2019-12-06 | 2020-05-01 | 苏州思必驰信息科技有限公司 | 语言转换处理方法、装置及方言语音交互系统 |
-
2020
- 2020-06-23 CN CN202010583168.5A patent/CN111737998A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1815551A (zh) * | 2006-02-28 | 2006-08-09 | 安徽中科大讯飞信息科技有限公司 | 在方言语音合成系统中进行文本方言化处理的方法 |
CN105551480A (zh) * | 2015-12-18 | 2016-05-04 | 百度在线网络技术(北京)有限公司 | 方言转换方法及装置 |
CN109145294A (zh) * | 2018-08-07 | 2019-01-04 | 北京三快在线科技有限公司 | 文本实体识别方法及装置、电子设备、存储介质 |
CN110534115A (zh) * | 2019-10-14 | 2019-12-03 | 上海企创信息科技有限公司 | 多方言混合语音的识别方法、装置、系统和存储介质 |
CN111090727A (zh) * | 2019-12-06 | 2020-05-01 | 苏州思必驰信息科技有限公司 | 语言转换处理方法、装置及方言语音交互系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112652309A (zh) * | 2020-12-21 | 2021-04-13 | 科大讯飞股份有限公司 | 一种方言语音转换方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110969012B (zh) | 文本纠错方法、装置、存储介质及电子设备 | |
CN111583903B (zh) | 语音合成方法、声码器训练方法、装置、介质及电子设备 | |
CN112633947B (zh) | 文本生成模型生成方法、文本生成方法、装置及设备 | |
CN109933217B (zh) | 用于推送语句的方法和装置 | |
CN111667810B (zh) | 多音字语料的获取方法、装置、可读介质和电子设备 | |
CN112331176B (zh) | 语音合成方法、装置、存储介质及电子设备 | |
CN111489735B (zh) | 语音识别模型训练方法及装置 | |
CN111883117B (zh) | 语音唤醒方法及装置 | |
CN112906380A (zh) | 文本中角色的识别方法、装置、可读介质和电子设备 | |
CN111625645A (zh) | 文本生成模型的训练方法、装置和电子设备 | |
JP2019185737A (ja) | 検索方法及びそれを用いた電子機器 | |
CN112487797A (zh) | 数据生成方法、装置、可读介质及电子设备 | |
CN115270717A (zh) | 一种立场检测方法、装置、设备及介质 | |
CN114765025A (zh) | 语音识别模型的生成方法、识别方法、装置、介质及设备 | |
CN111008213A (zh) | 用于生成语言转换模型的方法和装置 | |
CN111090993A (zh) | 属性对齐模型训练方法及装置 | |
CN112309384A (zh) | 一种语音识别方法、装置、电子设备及介质 | |
CN111933119B (zh) | 用于生成语音识别网络的方法、装置、电子设备和介质 | |
CN111737998A (zh) | 方言文本生成方法和装置、存储介质和电子设备 | |
CN112069786A (zh) | 文本信息处理方法、装置、电子设备及介质 | |
CN110750994A (zh) | 一种实体关系抽取方法、装置、电子设备及存储介质 | |
CN111339790B (zh) | 文本翻译方法、装置、设备及计算机可读存储介质 | |
CN112836476B (zh) | 一种纪要生成方法、装置、设备及介质 | |
CN112509581B (zh) | 语音识别后文本的纠错方法、装置、可读介质和电子设备 | |
CN114613351A (zh) | 韵律预测方法、装置、可读介质及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201002 |
|
RJ01 | Rejection of invention patent application after publication |