CN112818657B - 多音字读音的确定方法、装置、电子设备及存储介质 - Google Patents
多音字读音的确定方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112818657B CN112818657B CN201911117837.3A CN201911117837A CN112818657B CN 112818657 B CN112818657 B CN 112818657B CN 201911117837 A CN201911117837 A CN 201911117837A CN 112818657 B CN112818657 B CN 112818657B
- Authority
- CN
- China
- Prior art keywords
- target
- polyphone
- pronunciation
- text
- polyphones
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000011156 evaluation Methods 0.000 claims abstract description 27
- 238000012549 training Methods 0.000 claims description 48
- 238000012545 processing Methods 0.000 claims description 38
- 239000013598 vector Substances 0.000 claims description 24
- 230000009467 reduction Effects 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 8
- 238000006243 chemical reaction Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 238000003786 synthesis reaction Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Landscapes
- Machine Translation (AREA)
Abstract
本实施例提供的多音字读音的确定方法、装置、电子设备及存储介质，通过获得待处理的目标文本，其中所述目标文本包括目标多音字以及与目标多音字相邻的上下文；将所述待处理的目标文本输入训练完毕的多音字判别模型，以使确定所述目标多音字在各个读音下的评估值；输出所述目标多音字的读音的方案，通过利用多音字识别模型对多音字的读音规则进行自动学习，进而使得利用训练完毕的多音字识别模型对文本中的多音字的读音进行识别和输出，其相对于现有的通过人工制定读音规则以根据读音规则确定多音字的读音的方法来说，本实施例采用的方法其维护更为简单、识别准确率高。
Description
技术领域
本公开实施例涉及数据处理领域，尤其涉及一种多音字读音的确定方法、装置、电子设备及存储介质。
背景技术
对汉语的文本进行语音转换是语音合成技术中必不可缺的环节，由于汉语中存在大量多音字，如何准确的获得这些多音字的读音成为对汉语的文本进行语音转换的难点。
在现有技术中，对于多音字的读音的判别是基于字典规则实现的，通过利用正则表达式确定目标字在字典规则中的读音规则，以获得目标字的读音。
但是，现有的字典规则是人工制定并维护的，其人工制定的多个字典规则之间容易出现规则冲突，这将导致对于目标字的读音规则判定有误，不利于对使用，且判别准确率不高。
发明内容
针对上述问题，本公开提供了一种多音字读音的确定方法、装置、电子设备及存储介质。
第一方面，本公开实施例提供一种多音字读音的确定方法，包括：
获得待处理的目标文本，其中所述目标文本包括目标多音字以及与目标多音字相邻的上下文；
将所述待处理的目标文本输入训练完毕的多音字判别模型，以使确定所述目标多音字在各个读音下的评估值；
输出所述目标多音字的读音。
第二方面，本公开实施例提供一种多音字读音的确定装置，包括：
第一处理模块，用于获得待处理的目标文本，其中所述目标文本包括目标多音字以及与目标多音字相邻的上下文；
第二处理模块，用于将所述待处理的目标文本输入训练完毕的多音字判别模型，以使确定所述目标多音字在各个读音下的评估值；
输出模块，用于输出所述目标多音字的读音。
第三方面，本公开实施例提供一种电子设备，包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如上第一方面以及第一方面各种可能的设计所述的多音字读音的确定方法。
第四方面，本公开实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上第一方面以及第一方面各种可能的设计所述的多音字读音的确定方法。
本实施例提供的多音字读音的确定方法、装置、电子设备及存储介质，通过获得待处理的目标文本，其中所述目标文本包括目标多音字以及与目标多音字相邻的上下文；将所述待处理的目标文本输入训练完毕的多音字判别模型，以使确定所述目标多音字在各个读音下的评估值；输出所述目标多音字的读音的方案，通过利用多音字识别模型对多音字的读音规则进行自动学习，进而使得利用训练完毕的多音字识别模型对文本中的多音字的读音进行识别和输出，其相对于现有的通过人工制定读音规则以根据读音规则确定多音字的读音的方法来说，本实施例采用的方法其维护更为简单、识别准确率高。
附图说明
为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本公开所基于的网络架构的示意图；
图2为本公开实施例提供的一种多音字读音的确定方法的流程示意图；
图3为本公开实施例提供的一种多音字读音的确定方法的界面示意图；
图4为本公开实施例提供的多音字读音的确定装置的结构框图；
图5为本公开实施例提供的电子设备的硬件结构示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
对汉语的文本进行语音转换是语音合成技术中必不可缺的环节，由于汉语中存在大量多音字，如何准确的获得这些多音字的读音成为对汉语的文本进行语音转换的难点。
在现有技术中，对于多音字的读音的判别是基于字典规则实现的，通过利用正则表达式确定目标字在字典规则中的读音规则，以获得目标字的读音。
但是，现有的字典规则是人工制定并维护的，其人工制定的多个字典规则之间容易出现规则冲突，这将导致对于目标字的读音规则判定有误，不利于对使用，且判别准确率不高。
针对上述问题，本公开提供了一种多音字读音的确定方法、装置、电子设备及存储介质。
参考图1，图1为本公开所基于的网络架构的示意图，如图1所示的，本公开基于的一种网络架构可包括多音字读音的确定装置2以及各终端1。
其中，多音字读音的确定装置2是可与各终端1通过网络进行交互的硬件或软件，其可用于执行下述各实施例中所述的多音字读音的确定方法。
当多音字读音的确定装置2为硬件时，包括具备运算功能的云端服务器。当多音字读音的确定装置2为软件时，其可以安装在具备运算功能的电子设备中，其中的电子设备包括但不限于膝上型便携计算机和台式计算机等等。
此外，终端1是指包括智能手机、平板电脑、台式计算机等在内的可与前述的多音字读音的确定装置2通过网络进行通信和信息交互的设备。
例如，在有声读物的语音合成这一实际场景中，多音字读音的确定装置2具体可加载在有声读物的运行服务器中，一般的该运行服务器中将存储有大量可转化为有声读物的读物文本信息。该运行服务器可与终端1进行交互，以根据接收用户的读物收听请求，并确定用户触发的想要收听的目标读物。随后，多音字读音的确定装置2可采用本公开提供的多音字读音的确定方法对该目标读物的文本信息中的多音字的读音进行确定，然后将文本信息转为语音信息得到有声读物，进而可便于运行服务器将处理后的有声读物的发送给终端1。
当然，在可选场景下，该多音字读音的确定装置2可预先对运行服务器中的已有的全部多音字的读音进行确定，以使运行服务器可预先将有声读物的文本信息转换为语音信息并存储，进而可在运行服务器接收到终端发起的收听请求时，可直接将相应的有声读物的语音信息和文本信息发送给用户，以供用户收听。
需要说明的是，基于不同的应用场景，上述的运行服务器还可存储有其他类型的文本信息，且运行服务器、多音字读音的确定装置以及终端之间还可存在其他交互方式，本公开对此不进行不限制。
第一方面，参考图2，图2为本公开实施例提供的一种多音字读音的确定方法的流程示意图。本公开实施例提供的多音字读音的确定方法，包括：
步骤101、获得待处理的目标文本，其中所述目标文本包括目标多音字以及与目标多音字相邻的上下文。
需要说明的是，本示例的提供的处理方法的执行主体为前述的多音字读音的确定装置。
多音字读音的确定装置首先根据预设的多音字字典确定目标文本中的目标多音字；在所述文本中提取与所述目标多音字相邻的若干字，所述目标多音字和所述与目标多音字相邻的若干字构成所述待处理的目标文本。
具体来说，确定装置将对小说文本或长文本进行拆分，以获得若干目标文本，其中可利用正则表达式确定小说文本或长文本中句号或逗号位置，并将相邻的句号或逗号之间的文本提取出来，以作为上述的文本。一般的，该文本长度应大于预设长度阈值，如文本中需要包括至少15个字。
确定装置还需要确定目标文本中的目标多音字。具体来说，对于目标多音字的确定可根据预设的多音字字典实现，即确定装置预先获取有记录有多音字及其多个读音之间确定目标文本中的目标多音字。然后，在所述文本中提取与所述目标多音字相邻的若干字，该目标多音字和与目标多音字相邻的若干字构成所述待处理的目标文本。举例来说，针对“…他的头发很长很白且失去光泽…”这一文本来说，其中的“头发”的“发”以及“很长”的“长”均为多音字，可将“他的头发很长很白且失去光泽”提取出来分别作为“发”以及“长”的待处理的目标文本。进一步的，与所述目标多音字相邻的若干字具体可分布在目标多音字的上下文，即每一待处理的目标文本的构成应为“相邻的若干字+目标多音字+相邻的若干字”，更进一步的，相邻的若干字的字数应可为7。
此外，为了便于模型对于目标文本进行处理，确定装置还将对获得的待处理的目标文本进行向量化处理，获得目标文本对应的稠密特征向量。具体来说，确定装置可利用文本向量转换模型对待处理的目标文本中的目标多音字及其上下文进行向量化处理，以提取文字特征并构成目标文本对应的稠密特征向量。其中的文本向量转换模型可为现有模型，例如双向编码模型 (Bidirectional Encoder Representations from Transformers，简称BERT)；还可例如Pretrained Embedding Table模型等。
确定装置根据语法对所述待处理的目标文本进行拆分，获得若干目标词汇，其中，每个目标词汇均是有所述目标文本中的若干连续字组成的且所述各目标词汇中均包括有所述目标多音字。举例来说，针对“发”来说，其对应的目标词汇为“头发”“他的头发”“头发很长”“他的头发很长” “他的头发很长很白” “他的头发很长很白且失去光泽”。再后，确定装置将确定所述目标多音字在每个目标词汇中的位置，根据各位置得到所述目标文本的上下文特征向量。进一步来说，可将目标多音字在目标词汇中的位置对应的向量元素置为1，非其对应的向量元素置为0。举例来说，“头发”可采用“01”这一上下文特征向量表示；“他的头发”可采用“0001”这一上下文特征向量表示；“头发很长”可采用“0100”这一上下文特征向量表示；“他的头发很长” 可采用“000100”这一上下文特征向量表示；“他的头发很长很白” 可采用“00010000”这一上下文特征向量表示；“他的头发很长很白且失去光泽” 可采用“0001000000000”这一上下文特征向量表示。
步骤102、将所述待处理的目标文本输入训练完毕的多音字判别模型，以使确定所述目标多音字在各个读音下的评估值。
步骤103、输出所述目标多音字的读音。
具体来说，在本示例中多音字判别模型可为多头自注意力模型，其可基于神经网络算法以根据多音字、其上下文，以及目标多音字和其上下文之间的关系，输出目标多音字在各个读音下的评估值。
具体的，在将上述向量输入至模型之前，还需要对待处理的目标文本进行降维处理，以便模型能够更为快递的对目标文本进行处理，其中的prenet模型可用于对降低向量维度，提取向量的表征。当模型完成对目标文本的处理之后，将输出目标多音字在各个读音下的评估值。例如，“发”在上述目标文本中的评估值为：“fa(一声)”，评估值为0.6；“fa(四声)”，评估值为4.4。
具体的，模型的处理可理解为选择出与“发”字对应的所有读音，即“fa(一声)”和“fa(四声)”；在对“发”字对应的所有读音进行归一化，获得结果：“fa(一声)”，评估值为0.6；“fa(四声)”，评估值为4.4。选择较大的评估值的“fa(四声)”作为“发”字的对应读音进行输出。
可选的，该确定方法还包括：建立多音字判别模型，并对训练文本中的训练多音字进行读音标注；利用所述训练文本的训练多音字、所述训练多音字的上下文以及所述训练多音字的读音标注结果，对所述多音字判别模型进行训练，获得训练完毕的多音字判别模型。
图3为本公开实施例提供的一种多音字读音的确定方法的界面示意图，如图3所示的，确定装置会将在完成对多音字的读音的确定之后，将有声读物的文本进行相应的语音转换处理，并将有声读物的文本以及相应的语音一并发送至终端，以使终端在显示界面显示文本，并将语音输出给用户。
本实施例提供的多音字读音的确定方法，通过获得待处理的目标文本，其中所述目标文本包括目标多音字以及与目标多音字相邻的上下文；将所述待处理的目标文本输入训练完毕的多音字判别模型，以使确定所述目标多音字在各个读音下的评估值；输出所述目标多音字的读音的方案，通过利用多音字识别模型对多音字的读音规则进行自动学习，进而使得利用训练完毕的多音字识别模型对文本中的多音字的读音进行识别和输出，其相对于现有的通过人工制定读音规则以根据读音规则确定多音字的读音的方法来说，本实施例采用的方法其维护更为简单、识别准确率高。
对应于上文实施例的多音字读音的确定方法，图4为本公开实施例提供的多音字读音的确定装置的结构框图。为了便于说明，仅示出了与本公开实施例相关的部分。参照图4，所述多音字读音的确定装置包括：第一处理模块10、第二处理模块20和输出模块30。
其中，第一处理模块，用于获得待处理的目标文本，其中所述目标文本包括目标多音字以及与目标多音字相邻的上下文；
第二处理模块，用于将所述待处理的目标文本输入训练完毕的多音字判别模型，以使确定所述目标多音字在各个读音下的评估值；
输出模块，用于输出所述目标多音字的读音。
本公开提供的可选示例中，所述第一处理模块10，具体用于：对待处理文本信息进行文本提取，获得待处理数字的文本信息；其中，根据预设的多音字字典确定文本中的目标多音字；在所述文本中提取与所述目标多音字相邻的若干字，所述目标多音字和所述与目标多音字相邻的若干字构成所述待处理的目标文本。
本公开提供的可选示例中，第一处理模块10，对获得的待处理的目标文本进行向量化处理，获得目标文本对应的稠密特征向量；根据语法对所述待处理的目标文本进行拆分，获得若干目标词汇，其中，每个目标词汇均是有所述目标文本中的若干连续字组成的且所述各目标词汇中均包括有所述目标多音字；确定所述目标多音字在每个目标词汇中的位置，根据各位置得到所述目标文本的上下文特征向量。
本公开提供的可选示例中，所述多音字判别模型为多头自注意力模型；所述第二处理模块20，具体用于对所述待处理的目标文本进行降维处理，并将处理后的目标文本输入训练完毕的多头自注意力模型，以使所述多头自注意力模型根据目标多音字和其上下文之间的关系，输出目标多音字在各个读音下的评估值。
本公开提供的可选示例中，处理装置还包括：训练模块；
所述训练模块用于建立多音字判别模型，并对训练文本中的训练多音字进行读音标注；利用所述训练文本的训练多音字、所述训练多音字的上下文以及所述训练多音字的读音标注结果，对所述多音字判别模型进行训练，获得训练完毕的多音字判别模型。
本实施例提供的多音字读音的确定装置，通过获得待处理的目标文本，其中所述目标文本包括目标多音字以及与目标多音字相邻的上下文；将所述待处理的目标文本输入训练完毕的多音字判别模型，以使确定所述目标多音字在各个读音下的评估值；输出所述目标多音字的读音的方案，通过利用多音字识别模型对多音字的读音规则进行自动学习，进而使得利用训练完毕的多音字识别模型对文本中的多音字的读音进行识别和输出，其相对于现有的通过人工制定读音规则以根据读音规则确定多音字的读音的方法来说，本实施例采用的方法其维护更为简单、识别准确率高。
本实施例提供的电子设备，可用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，本实施例此处不再赘述。
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的结构示意图，该电子设备可以为终端设备或服务器。其中，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、个人数字助理（Personal Digital Assistant，简称PDA）、平板电脑（Portable Android Device，简称PAD）、便携式多媒体播放器（Portable Media Player，简称PMP）、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，电子设备可以包括处理装置（例如中央处理器、图形处理器等）901，其可以根据存储在只读存储器（Read Only Memory ，简称ROM）902中的程序或者从存储装置908加载到随机访问存储器（Random Access Memory ，简称RAM）903中的程序而执行各种适当的动作和处理。在RAM 903中，还存储有电子设备操作所需的各种程序和数据。处理装置901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出（I/O）接口905也连接至总线904。
通常，以下装置可以连接至I/O接口905：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906；包括例如液晶显示器（Liquid CrystalDisplay ，简称LCD）、扬声器、振动器等的输出装置907；包括例如磁带、硬盘等的存储装置908；以及通信装置909。通信装置909可以允许电子设备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，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909从网络上被下载和安装，或者从存储装置908被安装，或者从ROM 902被安装。在该计算机程序被处理装置901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。
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，使得该电子设备执行上述实施例所示的方法。
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（LocalArea Network ，简称LAN）或广域网（Wide Area Network ，简称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单元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，单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
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。
以下是本公开的一些实施例。
第一方面，根据本公开的一个或多个实施例，一种多音字读音的确定方法，包括：
获得待处理的目标文本，其中所述目标文本包括目标多音字以及与目标多音字相邻的上下文；
将所述待处理的目标文本输入训练完毕的多音字判别模型，以使确定所述目标多音字在各个读音下的评估值；
输出所述目标多音字的读音。
在本公开提供的可选实施例中，所述获得待处理的目标文本，包括：
根据预设的多音字字典确定文本中的目标多音字；
在所述文本中提取与所述目标多音字相邻的若干字，所述目标多音字和所述与目标多音字相邻的若干字构成所述待处理的目标文本。
在本公开提供的可选实施例中，所述获得待处理的目标文本，还包括：
对获得的待处理的目标文本进行向量化处理，获得目标文本对应的稠密特征向量；
根据语法对所述待处理的目标文本进行拆分，获得若干目标词汇，其中，每个目标词汇均是有所述目标文本中的若干连续字组成的且所述各目标词汇中均包括有所述目标多音字；
确定所述目标多音字在每个目标词汇中的位置，根据各位置得到所述目标文本的上下文特征向量。
在本公开提供的可选实施例中，所述多音字判别模型为多头自注意力模型；
相应的，所述将所述待处理的目标文本输入训练完毕的多音字判别模型，以使所述多音字判别模型确定所述目标多音字在各个读音下的评估值，包括：
对所述待处理的目标文本进行降维处理，并将处理后的目标文本输入训练完毕的多头自注意力模型，以使所述多头自注意力模型根据目标多音字和其上下文之间的关系，输出目标多音字在各个读音下的评估值。
在本公开提供的可选实施例中，还包括：
建立多音字判别模型，并对训练文本中的训练多音字进行读音标注；
利用所述训练文本的训练多音字、所述训练多音字的上下文以及所述训练多音字的读音标注结果，对所述多音字判别模型进行训练，获得训练完毕的多音字判别模型。
第二方面，根据本公开的一个或多个实施例，一种多音字读音的确定装置，包括：
第一处理模块，用于获得待处理的目标文本，其中所述目标文本包括目标多音字以及与目标多音字相邻的上下文；
第二处理模块，用于将所述待处理的目标文本输入训练完毕的多音字判别模型，以使确定所述目标多音字在各个读音下的评估值；
输出模块，用于输出所述目标多音字的读音。
在本公开提供的可选实施例中，所述第一处理模块，具体用于：根据预设的多音字字典确定文本中的目标多音字；在所述文本中提取与所述目标多音字相邻的若干字，所述目标多音字和所述与目标多音字相邻的若干字构成所述待处理的目标文本。
在本公开提供的可选实施例中，第一处理模块，还用于对获得的待处理的目标文本进行向量化处理，获得目标文本对应的稠密特征向量；根据语法对所述待处理的目标文本进行拆分，获得若干目标词汇，其中，每个目标词汇均是有所述目标文本中的若干连续字组成的且所述各目标词汇中均包括有所述目标多音字；确定所述目标多音字在每个目标词汇中的位置，根据各位置得到所述目标文本的上下文特征向量。
在本公开提供的可选实施例中，所述多音字判别模型为多头自注意力模型；所述第二处理模块，具体用于对所述待处理的目标文本进行降维处理，并将处理后的目标文本输入训练完毕的多头自注意力模型，以使所述多头自注意力模型根据目标多音字和其上下文之间的关系，输出目标多音字在各个读音下的评估值。
在本公开提供的可选实施例中，还包括：训练模块；所述训练模块用于建立多音字判别模型，并对训练文本中的训练多音字进行读音标注；利用所述训练文本的训练多音字、所述训练多音字的上下文以及所述训练多音字的读音标注结果，对所述多音字判别模型进行训练，获得训练完毕的多音字判别模型
第三方面，根据本公开的一个或多个实施例，一种电子设备，包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如前所述的多音字读音的确定方法。
第四方面，根据本公开的一个或多个实施例，一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如前所述的多音字读音的确定方法。
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。
Claims (10)
1.一种多音字读音的确定方法，其特征在于，包括：
获得待处理的目标文本，其中所述目标文本包括目标多音字以及与目标多音字相邻的上下文；
将所述待处理的目标文本输入训练完毕的多音字判别模型，以使确定所述目标多音字在各个读音下的评估值；
输出所述目标多音字的读音；
所述获得待处理的目标文本，还包括：
对获得的待处理的目标文本进行向量化处理，获得目标文本对应的稠密特征向量；
根据语法对所述待处理的目标文本进行拆分，获得若干目标词汇，其中，每个目标词汇均是由所述目标文本中的若干连续字组成的且所述各目标词汇中均包括有所述目标多音字；
确定所述目标多音字在每个目标词汇中的位置，根据各位置得到所述目标文本的上下文特征向量。
2.根据权利要求1所述的多音字读音的确定方法，其特征在于，所述获得待处理的目标文本，包括：
根据预设的多音字字典确定文本中的目标多音字；
在所述文本中提取与所述目标多音字相邻的若干字，所述目标多音字和所述与目标多音字相邻的若干字构成所述待处理的目标文本。
3.根据权利要求1所述的多音字读音的确定方法，其特征在于，所述多音字判别模型为多头自注意力模型；
相应的，所述将所述待处理的目标文本输入训练完毕的多音字判别模型，以使所述多音字判别模型确定所述目标多音字在各个读音下的评估值，包括：
对所述待处理的目标文本进行降维处理，并将处理后的目标文本输入训练完毕的多头自注意力模型，以使所述多头自注意力模型根据目标多音字和其上下文之间的关系，输出目标多音字在各个读音下的评估值。
4.根据权利要求1-3任一项所述的多音字读音的确定方法，其特征在于，还包括：
建立多音字判别模型，并对训练文本中的训练多音字进行读音标注；
利用所述训练文本的训练多音字、所述训练多音字的上下文以及所述训练多音字的读音标注结果，对所述多音字判别模型进行训练，获得训练完毕的多音字判别模型。
5.一种多音字读音的确定装置，其特征在于，包括：
第一处理模块，用于获得待处理的目标文本，其中所述目标文本包括目标多音字以及与目标多音字相邻的上下文；
第二处理模块，用于将所述待处理的目标文本输入训练完毕的多音字判别模型，以使确定所述目标多音字在各个读音下的评估值；
输出模块，用于输出所述目标多音字的读音；
第一处理模块，还用于对获得的待处理的目标文本进行向量化处理，获得目标文本对应的稠密特征向量；根据语法对所述待处理的目标文本进行拆分，获得若干目标词汇，其中，每个目标词汇均是由所述目标文本中的若干连续字组成的且所述各目标词汇中均包括有所述目标多音字；确定所述目标多音字在每个目标词汇中的位置，根据各位置得到所述目标文本的上下文特征向量。
6.根据权利要求5所述的多音字读音的确定装置，其特征在于，所述第一处理模块，具体用于：根据预设的多音字字典确定文本中的目标多音字；在所述文本中提取与所述目标多音字相邻的若干字，所述目标多音字和所述与目标多音字相邻的若干字构成所述待处理的目标文本。
7.根据权利要求5所述的多音字读音的确定装置，其特征在于，所述多音字判别模型为多头自注意力模型；
所述第二处理模块，具体用于对所述待处理的目标文本进行降维处理，并将处理后的目标文本输入训练完毕的多头自注意力模型，以使所述多头自注意力模型根据目标多音字和其上下文之间的关系，输出目标多音字在各个读音下的评估值。
8.根据权利要求5-7任一项所述的多音字读音的确定装置，其特征在于，还包括：训练模块；
所述训练模块用于建立多音字判别模型，并对训练文本中的训练多音字进行读音标注；利用所述训练文本的训练多音字、所述训练多音字的上下文以及所述训练多音字的读音标注结果，对所述多音字判别模型进行训练，获得训练完毕的多音字判别模型。
9.一种电子设备，其特征在于，包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如权利要求1-4任一项所述的多音字读音的确定方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1-4任一项所述的多音字读音的确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911117837.3A CN112818657B (zh) | 2019-11-15 | 2019-11-15 | 多音字读音的确定方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911117837.3A CN112818657B (zh) | 2019-11-15 | 2019-11-15 | 多音字读音的确定方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112818657A CN112818657A (zh) | 2021-05-18 |
| CN112818657B true CN112818657B (zh) | 2024-04-26 |
Family
ID=75851517
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911117837.3A Active CN112818657B (zh) | 2019-11-15 | 2019-11-15 | 多音字读音的确定方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112818657B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113672144A (zh) * | 2021-09-06 | 2021-11-19 | 北京搜狗科技发展有限公司 | 一种数据处理方法及装置 |
| CN114999450A (zh) * | 2022-05-24 | 2022-09-02 | 网易有道信息技术（北京）有限公司 | 同形异义字的识别方法、装置、电子设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101241485A (zh) * | 2008-02-21 | 2008-08-13 | 李冬志 | 汉语中多音字的辨认方法 |
| JP2017208097A (ja) * | 2016-05-20 | 2017-11-24 | 富士通株式会社 | エンティティの多音字の曖昧さ回避方法及びエンティティの多音字の曖昧さ回避装置 |
| CN107515850A (zh) * | 2016-06-15 | 2017-12-26 | 阿里巴巴集团控股有限公司 | 确定多音字发音的方法、装置和系统 |
| CN107729313A (zh) * | 2017-09-25 | 2018-02-23 | 百度在线网络技术（北京）有限公司 | 基于深度神经网络的多音字读音的判别方法和装置 |
| CN110310619A (zh) * | 2019-05-16 | 2019-10-08 | 平安科技（深圳）有限公司 | 多音字预测方法、装置、设备及计算机可读存储介质 |
-
2019
- 2019-11-15 CN CN201911117837.3A patent/CN112818657B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101241485A (zh) * | 2008-02-21 | 2008-08-13 | 李冬志 | 汉语中多音字的辨认方法 |
| JP2017208097A (ja) * | 2016-05-20 | 2017-11-24 | 富士通株式会社 | エンティティの多音字の曖昧さ回避方法及びエンティティの多音字の曖昧さ回避装置 |
| CN107515850A (zh) * | 2016-06-15 | 2017-12-26 | 阿里巴巴集团控股有限公司 | 确定多音字发音的方法、装置和系统 |
| CN107729313A (zh) * | 2017-09-25 | 2018-02-23 | 百度在线网络技术（北京）有限公司 | 基于深度神经网络的多音字读音的判别方法和装置 |
| CN110310619A (zh) * | 2019-05-16 | 2019-10-08 | 平安科技（深圳）有限公司 | 多音字预测方法、装置、设备及计算机可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112818657A (zh) | 2021-05-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112786006B (zh) | 语音合成方法、合成模型训练方法、装置、介质及设备 | |
| CN111369971B (zh) | 语音合成方法、装置、存储介质和电子设备 | |
| CN112786011B (zh) | 语音合成方法、合成模型训练方法、装置、介质及设备 | |
| CN112489620B (zh) | 语音合成方法、装置、可读介质及电子设备 | |
| CN112786007B (zh) | 语音合成方法、装置、可读介质及电子设备 | |
| CN111583903A (zh) | 语音合成方法、声码器训练方法、装置、介质及电子设备 | |
| CN112786008B (zh) | 语音合成方法、装置、可读介质及电子设备 | |
| CN111489735B (zh) | 语音识别模型训练方法及装置 | |
| CN111292719A (zh) | 语音合成方法、装置、计算机可读介质及电子设备 | |
| CN112765971B (zh) | 文本语音的转换方法、装置、电子设备及存储介质 | |
| CN110070884B (zh) | 音频起始点检测方法和装置 | |
| CN110136715B (zh) | 语音识别方法和装置 | |
| CN112927674B (zh) | 语音风格的迁移方法、装置、可读介质和电子设备 | |
| CN112309367B (zh) | 语音合成方法、装置、存储介质及电子设备 | |
| CN112818657B (zh) | 多音字读音的确定方法、装置、电子设备及存储介质 | |
| CN112908292A (zh) | 文本的语音合成方法、装置、电子设备及存储介质 | |
| CN111508478B (zh) | 语音识别方法和装置 | |
| CN110070885B (zh) | 音频起始点检测方法和装置 | |
| CN112837672B (zh) | 对话归属的确定方法、装置、电子设备及存储介质 | |
| CN111312224B (zh) | 语音分割模型的训练方法、装置和电子设备 | |
| CN112785667A (zh) | 视频生成方法、装置、介质及电子设备 | |
| CN110085214B (zh) | 音频起始点检测方法和装置 | |
| US20240096347A1 (en) | Method and apparatus for determining speech similarity, and program product | |
| CN116821327A (zh) | 文本数据处理方法、装置、设备、可读存储介质及产品 | |
| CN110502630B (zh) | 信息处理方法及设备 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |