CN112487797B - 数据生成方法、装置、可读介质及电子设备 - Google Patents

Abstract

本公开涉及一种数据生成方法、装置、可读介质及电子设备。所述方法包括：从初始发音字典所包含的单词中，获取与目标词性相符合的单词集合；针对每一种目标词性，从与目标词性相符合的单词集合中确定出与目标词性对应的至少一个关键词；按照预设的单词组合方式，对关键词进行组合，获得多个组合词，预设的单词组合方式包括将属于同一目标词性的关键词进行组合以及将属于不同目标词性的关键词进行组合；确定各组合词对应的音素序列，以生成组合词与音素序列之间的映射关系。由此，能够自动生成新的组合词并自动获得能够表征组合词读音的音素序列，无需人工构建，另外，还可将生成的组合词及其音素序列用于模型的增广训练中，提升模型的泛化能力。

Description

数据生成方法、装置、可读介质及电子设备

技术领域

本公开涉及数据处理领域，具体地，涉及一种数据生成方法、装置、可读介质及电子设备。

背景技术

在语音合成场景中，通常需要针对一段文本，确定文本的音素，进而根据音素实现发音，这是语音合成前端的一个重要环节，简称为G2P(Grapheme-to-Phoneme，单词到音素)。相关技术中，一般使用发音字典(也可称为发音词典)查询能够表征单词读音的音素，其中，发音字典包含语音合成系统所能处理的单词的集合，并标明了其发音。但是，现有的发音字典所覆盖的单词有限，常常无法查找到单词对应的音素，进而出现无法识别单词读音的问题。

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，本公开提供一种数据生成方法，所述方法包括：

从初始发音字典所包含的单词中，获取与目标词性相符合的单词集合；

针对每一种目标词性，从与所述目标词性相符合的单词集合中确定出与所述目标词性对应的至少一个关键词；

按照预设的单词组合方式，对所述关键词进行组合，获得多个组合词，其中，预设的单词组合方式包括将属于同一目标词性的关键词进行组合以及将属于不同目标词性的关键词进行组合；

确定各组合词对应的音素序列，以生成组合词与音素序列之间的映射关系。

第二方面，本公开提供一种数据生成装置，所述装置包括：

第一获取模块，用于从初始发音字典所包含的单词中，获取与目标词性相符合的单词集合；

第一确定模块，用于针对每一种目标词性，从与所述目标词性相符合的单词集合中确定出与所述目标词性对应的至少一个关键词；

组合模块，用于按照预设的单词组合方式，对所述关键词进行组合，获得多个组合词，其中，预设的单词组合方式包括将属于同一目标词性的关键词进行组合以及将属于不同目标词性的关键词进行组合；

第二确定模块，用于确定各组合词对应的音素序列，以生成组合词与音素序列之间的映射关系。

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，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，以实现本公开第一方面所述方法的步骤。

通过上述技术方案，从初始发音字典所包含的单词中，获取与目标词性相符合的单词集合，之后，针对每一种目标词性，从与目标词性相符合的单词集合中确定出与目标词性对应的至少一个关键词，按照预设的单词组合方式，对关键词进行组合，获得多个组合词，确定各组合词对应的音素序列，以生成组合词与音素序列之间的映射关系。由此，能够基于初始发音字典的单词自动生成新的组合词，并能自动获得能够表征组合词读音的音素序列，构建过程中无需人工参与，另外，还可将生成的组合词及其音素序列用于模型的增广训练中，提升模型的泛化能力。

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是根据本公开的一种实施方式提供的数据生成方法的流程图；

图2是根据本公开提供的数据生成方法中，针对每一种目标词性，从与目标词性相符合的单词集合中确定出与目标词性对应的至少一个关键词的步骤的一种示例性的流程图；

图3是本公开的另一种实施方式提供的数据生成方法的流程图；

图4是根据本公开的一种实施方式提供的数据生成装置的框图；

图5示出了适于用来实现本公开实施例的电子设备的结构示意图。

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。

如背景技术所述，现有的发音词典覆盖单词有限，因此，常常导致G2P错误，进而导致语音合成无法合成某些单词的读音。其中，无法从发音词典中获得读音的单词可以简称为OOV(Out of Vocabulary，未登录词)。

为了解决上述问题，本公开提供一种数据生成方法、装置、可读介质及电子设备，以构建上述OOV与音素之间的映射关系，进而，在以构建出的映射关系为训练数据进行模型训练时，能够有效提升模型的泛化能力。

图1是根据本公开的一种实施方式提供的数据生成方法的流程图。如图1所示，该方法可以包括以下步骤：

在步骤11中，从初始发音字典所包含的单词中，获取与目标词性相符合的单词集合；

在步骤12中，针对每一种目标词性，从与目标词性相符合的单词集合中确定出与目标词性对应的至少一个关键词；

在步骤13中，按照预设的单词组合方式，对关键词进行组合，获得多个组合词；

在步骤14中，确定各组合词对应的音素序列，以生成组合词与音素序列之间的映射关系。

初始发音字典中包含了字典所能处理的单词及其发音(体现为音素)。目标词性可以包括但不限于以下中的至少一者：名词、动词、形容词。

因此，在步骤11中，从初始发音字典所包含的单词中，获取与目标词性相符合的单词集合，相当于针对每一种目标词性，分别从初始发音字典所包含的单词中，提取出对应词性的单词，并构成与该词性对应的单词集合。

示例地，若目标词性包括名词、动词、形容词这三者，则步骤11相当于从初始发音字典所包含的单词中，提取名词构成名词集合，并提取动词构成动词集合，并提取形容词构成形容词集合。

之后，在步骤12中，针对每一种目标词性，从与目标词性相符合的单词集合中确定出与目标词性对应的至少一个关键词。

在一种可能的实施方式中，可以从与目标词性相符合的单词集合中随机确定若干单词作为与目标词性对应的至少一个关键词。

在另一种可能的实施方式中，步骤12可以包括以下步骤，如图2所示：

在步骤21中，针对与目标词性相符合的单词集合中的每一单词，确定单词在目标语料库中的词频；

在步骤22中，将最大的前N个词频对应的单词确定为与目标词性对应的关键词。

其中，N为正整数。

示例地，单词在目标语料库中的词频可以通过单词在目标语料库出现的次数与目标语料库的总词数的比值获得。

再例如，可以通过TF-IDF方式计算单词在目标语料库中的词频，其中，计算式可以如下所示：

单词在目标语料库中的词频＝(单词的TF)*(单词的IDF)＝(单词在目标语料库出现的次数/目标语料库的总词数)*lg(目标语料库包含的文章总数/目标语料库中出现单词的文章数)。

在计算出每个单词对应的词频后，可以将最大的前N个词频对应的单词确定为与目标词性对应的关键词。

通过上述方式，将在目标语料库中词频较高的单词作为关键词，一方面，关键词能够更为有效地表征对应于目标词性的单词情况，另一方面，能够节省后续数据处理所消耗的资源。

回到图1，在步骤13中，按照预设的单词组合方式，对关键词进行组合，获得多个组合词。

其中，预设的单词组合方式至少包括将属于同一目标词性的关键词进行组合以及将属于不同目标词性的关键词进行组合。

举例来说，若经步骤12处理后得到目标词性S1对应的关键词V1、V2、V3，目标词性S2对应的关键词为V4、V5，目标词性S3对应的关键词为V6。

那么，将属于同一目标词性的关键词进行组合，以目标词性S1为例，就是将S1中的各关键词进行组合，例如，组合为V1V2、V3V2V1等。将属于不同目标词性的关键词进行组合，以目标词性S2、S3为例，就是将S2、S3中的关键词进行组合，例如，组合为V4V6、V5V6等。

除此之外，预设的单词这方式还可以为既将属于同一目标词性的关键词进行组合又将属于不同目标词性的关键词进行组合。例如，针对上述示例中的词性S1、S2、S3，可以组合为V1V2V4V6等。

在一种可能的实施方式中，步骤13可以包括以下中的至少一者：

将属于不同目标词性的第一预设数量的关键词进行组合，获得组合词；

将属于相同目标词性的第二预设数量的关键词进行组合，获得组合词。

例如，可以将词性为名词的两个关键词进行组合，获得组合词，在这一示例中，第二预设数量为2，目标词性为名词。再例如，可以将从名词和形容词找那个各选一个关键词进行组合，以获得组合词，在这一示例中，第一预设数量为2，目标词性分别为名词和形容词。

同时，组合时各关键词的先后顺序不同，还可获得不同的组合词。例如，若将关键词A和关键词B进行组合，则可以获得AB和BA两种组合词。

在另一种可能的实施方式中，还可以获取词前缀或词后缀中的至少一者，并且，在这一实施方式中，步骤13可以包括以下中的至少一者：

将词前缀与关键词按照由前到后的顺序进行组合，以获得组合词；

将关键词与词后缀按照由前到后的顺序进行组合，以获得组合词。

示例地，词前缀、词后缀可以是相关人员根据初始发音字典所包含的单词总结出的，这些词前缀、词后缀的读音也可从初始发音字典中获知。再例如，词前缀、词后缀也可以是从能够提供词前缀、词后缀信息的地方直接获得的，这一示例中，在获取词前缀、词后缀时，也可一并获取词前缀、词后缀对应的读音。

一般情况下，词前缀位于词的首部，因此，在获得组合词时，需要将词前缀与关键词按照由先到后的顺序进行组合。例如，词前缀C与关键词D，可以组合为组合词CD。

同时，一般情况下，词后缀位于词的尾部，因此，在获得组合词时，需要将关键词和词后缀按照由先到后的顺序进行组合。例如，关键词E和词后缀F，可以组合为组合词EF。

另外，在步骤13之后，本公开提供的方法还可以包括以下步骤：

若存在无法构成音节的组合词，将无法构成音节的组合词从多个组合词中删除。

在经步骤13构成的组合词中，可能存在无法构成音节的组合词，这样的组合词对于后续的数据处理毫无意义，因此，可以将这样的组合词从多个组合词中删除，而不会对其进行后续步骤14的处理。

判断能否构成音节可以存在多种方式，因此，可以预先设置一些判断条件，用于判断组合词能否构成音节。示例地，一般情况下，两个辅音同时出现是无法发音的，因此，可以设置判断条件为组合词中是否存在相邻的辅音，若存在相邻的辅音，则可以确定该组合词无法构成音节，进而将其从组合词中删除。

通过上述方式，将无法发音的组合词从多个组合词中删除，能够节省后续的数据处理开销，避免无意义的计算资源浪费。

在步骤14中，确定各组合词对应的音素序列，以生成组合词与音素序列之间的映射关系。

示例地，步骤14可以包括以下步骤：

针对每一组合词，执行如下操作：

从初始发音字典中，获取构成组合词的各单词对应的初始音素；

将初始音素按照各单词在组合词中的排列顺序进行组合，获得与组合词对应的音素序列，以生成组合词与音素序列之间的对应关系。

针对每个组合词，由于组合词是由初始发音字典所包含的单词组合而成的，其读音可知，因此，可以从初始发音字典中，获取构成组合词的各单词对应的初始音素，进而，按照各单词在组合词中的排列顺序，将获得的各初始音素进行组合，进而获得与组合词对应的音素序列，生成组合词与音素序列之间的对应关系。

示例地，若组合词W1W2W3，其中，W1对应的发音音素为P1，W2对应的发音音素为P2，W3对应的发音音素为P3，则组合词W1W2W3对应的音素序列为P1P2P3。

通过上述技术方案，从初始发音字典所包含的单词中，获取与目标词性相符合的单词集合，之后，针对每一种目标词性，从与目标词性相符合的单词集合中确定出与目标词性对应的至少一个关键词，按照预设的单词组合方式，对关键词进行组合，获得多个组合词，确定各组合词对应的音素序列，以生成组合词与音素序列之间的映射关系。由此，能够基于初始发音字典的单词自动生成新的组合词，并能自动获得能够表征组合词读音的音素序列，构建过程中无需人工参与，另外，还可将生成的组合词及其音素序列用于模型的增广训练中，提升模型的泛化能力。

可选地，本公开提供的方法还可以包括以下步骤，如图3所示。

在步骤31中，将生成的组合词与音素序列之间的映射关系添加至初始发音字典，以生成目标发音字典。

也就是说，可以将生成的组合词与音素序列之间的映射关系添加至初始发音字典，以将初始发音字典更新为目标发音字典，后续的数据处理中可以直接使用目标发音字典。例如，将目标发音字典用于语音合成的模型训练中，可以提升模型的泛化能力。再例如，在利用初始发音字典训练得到语音合成模型后，还可利用目标发音字典对该模型进行增广训练，以对模型进行微调，有利于获得效果更好的模型。

图4是根据本公开的一种实施方式提供的数据生成装置的框图。如图4所示，所述装置40包括：

第一获取模块41，用于从初始发音字典所包含的单词中，获取与目标词性相符合的单词集合；

第一确定模块42，用于针对每一种目标词性，从与所述目标词性相符合的单词集合中确定出与所述目标词性对应的至少一个关键词；

组合模块43，用于按照预设的单词组合方式，对所述关键词进行组合，获得多个组合词，其中，预设的单词组合方式包括将属于同一目标词性的关键词进行组合以及将属于不同目标词性的关键词进行组合；

第二确定模块44，用于确定各组合词对应的音素序列，以生成组合词与音素序列之间的映射关系。

可选地，所述第一确定模块42包括：

第一确定子模块，用于针对与所述目标词性相符合的单词集合中的每一单词，确定所述单词在目标语料库中的词频；

第二确定子模块，用于将最大的前N个词频对应的单词确定为与所述目标词性对应的关键词，其中，N为正整数。

可选地，所述组合模块43，包括以下中的至少一者：

第一组合子模块，用于将属于不同目标词性的第一预设数量的关键词进行组合，获得组合词；

第二组合子模块，用于将属于相同目标词性的第二预设数量的关键词进行组合，获得组合词。

可选地，所述装置40还包括：

第二获取模块，用于获取词前缀或词后缀中的至少一者；

所述组合模块43，包括以下中的至少一者：

第三组合子模块，用于将所述词前缀与关键词按照由前到后的顺序进行组合，以获得组合词；

第四组合子模块，用于将关键词与所述词后缀按照由前到后的顺序进行组合，以获得组合词。

可选地，所述装置40还包括：

在所述组合模块按照预设的单词组合方式，对所述关键词进行组合，获得多个组合词之后，若存在无法构成音节的组合词，将所述无法构成音节的组合词从所述多个组合词中删除。

可选地，所述第二确定模块44用于针对每一所述组合词，执行如下操作：

从所述初始发音字典中，获取构成所述组合词的各单词对应的初始音素；

将初始音素按照各单词在所述组合词中的排列顺序进行组合，获得与所述组合词对应的音素序列，以生成所述组合词与音素序列之间的对应关系。

可选地，所述装置40还包括：

字典生成模块，用于将生成的组合词与音素序列之间的映射关系添加至所述初始发音字典，以生成目标发音字典。

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。

下面参考图5，其示出了适于用来实现本公开实施例的电子设备600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5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5所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

通常，以下装置可以连接至I/O接口605：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606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备600，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609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601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，服务器可以利用诸如HTTP(HyperText Transfer Protocol，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：从初始发音字典所包含的单词中，获取与目标词性相符合的单词集合；针对每一种目标词性，从与所述目标词性相符合的单词集合中确定出与所述目标词性对应的至少一个关键词；按照预设的单词组合方式，对所述关键词进行组合，获得多个组合词，其中，预设的单词组合方式包括将属于同一目标词性的关键词进行组合以及将属于不同目标词性的关键词进行组合；确定各组合词对应的音素序列，以生成组合词与音素序列之间的映射关系。

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“从初始发音字典所包含的单词中，获取与目标词性相符合的单词集合的模块”。

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，提供了一种数据生成方法，所述方法包括：

从初始发音字典所包含的单词中，获取与目标词性相符合的单词集合；

针对每一种目标词性，从与所述目标词性相符合的单词集合中确定出与所述目标词性对应的至少一个关键词；

按照预设的单词组合方式，对所述关键词进行组合，获得多个组合词，其中，预设的单词组合方式包括将属于同一目标词性的关键词进行组合以及将属于不同目标词性的关键词进行组合；

确定各组合词对应的音素序列，以生成组合词与音素序列之间的映射关系。

根据本公开的一个或多个实施例，提供了一种数据生成方法，所述从与所述目标词性相符合的单词集合中确定出与所述目标词性对应的至少一个关键词，包括：

针对与所述目标词性相符合的单词集合中的每一单词，确定所述单词在目标语料库中的词频；

将最大的前N个词频对应的单词确定为与所述目标词性对应的关键词，其中，N为正整数。

根据本公开的一个或多个实施例，提供了一种数据生成方法，所述按照预设的单词组合方式，对所述关键词进行组合，获得多个组合词，包括以下中的至少一者：

将属于不同目标词性的第一预设数量的关键词进行组合，获得组合词；

将属于相同目标词性的第二预设数量的关键词进行组合，获得组合词。

根据本公开的一个或多个实施例，提供了一种数据生成方法，所述方法还包括：

获取词前缀或词后缀中的至少一者；

所述按照预设的单词组合方式，对所述关键词进行组合，获得多个组合词，包括以下中的至少一者：

将所述词前缀与关键词按照由前到后的顺序进行组合，以获得组合词；

将关键词与所述词后缀按照由前到后的顺序进行组合，以获得组合词。

根据本公开的一个或多个实施例，提供了一种数据生成方法，在所述按照预设的单词组合方式，对所述关键词进行组合，获得多个组合词的步骤之后，所述方法还包括：

若存在无法构成音节的组合词，将所述无法构成音节的组合词从所述多个组合词中删除。

根据本公开的一个或多个实施例，提供了一种数据生成方法，所述确定各组合词对应的音素序列，以生成组合词与音素序列之间的映射关系，包括：

针对每一所述组合词，执行如下操作：

从所述初始发音字典中，获取构成所述组合词的各单词对应的初始音素；

将初始音素按照各单词在所述组合词中的排列顺序进行组合，获得与所述组合词对应的音素序列，以生成所述组合词与音素序列之间的对应关系。

根据本公开的一个或多个实施例，提供了一种数据生成方法，所述方法还包括：

将生成的组合词与音素序列之间的映射关系添加至所述初始发音字典，以生成目标发音字典。

根据本公开的一个或多个实施例，提供了一种数据生成装置，所述装置包括：

第一获取模块，用于从初始发音字典所包含的单词中，获取与目标词性相符合的单词集合；

第一确定模块，用于针对每一种目标词性，从与所述目标词性相符合的单词集合中确定出与所述目标词性对应的至少一个关键词；

组合模块，用于按照预设的单词组合方式，对所述关键词进行组合，获得多个组合词，其中，预设的单词组合方式包括将属于同一目标词性的关键词进行组合以及将属于不同目标词性的关键词进行组合；

第二确定模块，用于确定各组合词对应的音素序列，以生成组合词与音素序列之间的映射关系。

根据本公开的一个或多个实施例，提供了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任意实施例所述的数据生成方法的步骤。

根据本公开的一个或多个实施例，提供了一种电子设备，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，以实现本公开任意实施例所述的数据生成方法的步骤。

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 (9)

1.一种数据生成方法，其特征在于，所述方法包括：

从初始发音字典所包含的单词中，获取与目标词性相符合的单词集合；

针对每一种目标词性，针对与所述目标词性相符合的单词集合中的每一单词，确定所述单词在目标语料库中的词频，并将最大的前N个词频对应的单词确定为与所述目标词性对应的关键词，其中，N为正整数；

按照预设的单词组合方式，对所述关键词进行组合，获得多个组合词，其中，预设的单词组合方式包括将属于同一目标词性的关键词进行组合以及将属于不同目标词性的关键词进行组合；

确定各组合词对应的音素序列，以生成组合词与音素序列之间的映射关系。

2.根据权利要求1所述的方法，其特征在于，所述按照预设的单词组合方式，对所述关键词进行组合，获得多个组合词，包括以下中的至少一者：

将属于不同目标词性的第一预设数量的关键词进行组合，获得组合词；

将属于相同目标词性的第二预设数量的关键词进行组合，获得组合词。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取词前缀或词后缀中的至少一者；

所述按照预设的单词组合方式，对所述关键词进行组合，获得多个组合词，包括以下中的至少一者：

将所述词前缀与关键词按照由前到后的顺序进行组合，以获得组合词；

将关键词与所述词后缀按照由前到后的顺序进行组合，以获得组合词。

4.根据权利要求1所述的方法，其特征在于，在所述按照预设的单词组合方式，对所述关键词进行组合，获得多个组合词的步骤之后，所述方法还包括：

若存在无法构成音节的组合词，将所述无法构成音节的组合词从所述多个组合词中删除。

5.根据权利要求1所述的方法，其特征在于，所述确定各组合词对应的音素序列，以生成组合词与音素序列之间的映射关系，包括：

针对每一所述组合词，执行如下操作：

从所述初始发音字典中，获取构成所述组合词的各单词对应的初始音素；

将初始音素按照各单词在所述组合词中的排列顺序进行组合，获得与所述组合词对应的音素序列，以生成所述组合词与音素序列之间的对应关系。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

将生成的组合词与音素序列之间的映射关系添加至所述初始发音字典，以生成目标发音字典。

7.一种数据生成装置，其特征在于，所述装置包括：

第一获取模块，用于从初始发音字典所包含的单词中，获取与目标词性相符合的单词集合；

第一确定模块，包括：第一确定子模块，用于针对与所述目标词性相符合的单词集合中的每一单词，确定所述单词在目标语料库中的词频；第二确定子模块，用于将最大的前N个词频对应的单词确定为与所述目标词性对应的关键词，其中，N为正整数；

组合模块，用于按照预设的单词组合方式，对所述关键词进行组合，获得多个组合词，其中，预设的单词组合方式包括将属于同一目标词性的关键词进行组合以及将属于不同目标词性的关键词进行组合；

第二确定模块，用于确定各组合词对应的音素序列，以生成组合词与音素序列之间的映射关系。

8.一种计算机可读介质，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1-6中任一项所述方法的步骤。

9.一种电子设备，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1-6中任一项所述方法的步骤。