[發明專利]一種用于維吾爾語語音識別的識別單元的選擇方法及系統

有效

• 申請號: 201210560599.5
• 申請日: 2012-12-21
• 公開（公告）號: CN103065632A
• 公開（公告）日: 2013-04-24
• 發明（設計）人: 潘接林;李鑫;顏永紅
• 申請（專利權）人: 中國科學院聲學研究所;北京中科信利技術有限公司
• 主分類號: G10L15/28
• 分類號: G10L15/28
• 代理公司: 北京億騰知識產權代理事務所 11309
• 代理人: 陳霽

1.一種用于維吾爾語語音識別的詞典單元的選擇方法，其特征在于，所述方法包括：

為待識別的語音準備相應的文本語料；

從所述文本語料中抽取不同的詞語；

將所述不同詞語輸入形態分析器，在形態分析器分析成功時獲得相應的詞語的分解結果，在形態分析器分析失敗時對所述詞語進行基于削尾算法的詞語分解，從而獲得相應的分解結果，以及根據所述分解結果，得到每個詞語對應的詞干以及附加成分；

將所述文本語料中的詞語映射為所述詞干和附加成分，抽取高頻詞干和附加成分作為詞典單元。

2.如權利要求1所述的用于維吾爾語語音識別的詞典單元的選擇方法，其特征在于：所述形態分析器是基于有限狀態轉錄機的形態分析器。

3.如權利要求2所述的用于維吾爾語語音識別的詞典單元的選擇方法，其特征在于：所述形態分析器的生成過程如下：根據附加成分結合順序編譯第一有限狀態轉錄機，根據拼寫變化規則編譯第二有限狀態轉錄機，將所述第一有限狀態轉錄機和第二有限狀態轉錄機復合為所述形態分析器。

4.如權利要求1所述的用于維吾爾語語音識別的詞典單元的選擇方法，其特征在于：所述對所述詞語進行基于削尾算法的詞語分解，具體為：從右向左掃描詞語的子串，如果子串在附加成分列表中存在，則將其從詞語中削去，如果余下部分在詞干列表中存在，則分解結束。

5.一種用于維吾爾語語音識別的詞典單元的選擇系統，其特征在于，所述系統包括：

文本語料準備模塊，用于為待識別的語音準備相應的文本語料；

詞語抽取模塊，用于從所述文本語料中抽取不同的詞語；

詞語分解模塊，用于將所述不同詞語輸入形態分析器，在形態分析器分析成功時獲得相應的詞語的分解結果，在形態分析器分析失敗時對所述詞語進行基于削尾算法的詞語分解，從而獲得相應的分解結果，以及根據所述分解結果，得到每個詞語對應的詞干以及附加成分；

詞典單元確定模塊，用于將所述文本語料中的詞語映射為所述詞干和附加成分，抽取高頻詞干和附加成分作為詞典單元。

6.如權利要求5所述的用于維吾爾語語音識別的詞典單元的選擇系統，其特征在于：所述形態分析器是基于有限狀態轉錄機的形態分析器。

7.如權利要求6所述的用于維吾爾語語音識別的詞典單元的選擇系統，其特征在于：所述形態分析器的生成過程如下：根據附加成分結合順序編譯第一有限狀態轉錄機，根據拼寫變化規則編譯第二有限狀態轉錄機，將所述第一有限狀態轉錄機和第二有限狀態轉錄機復合為所述形態分析器。

8.如權利要求5所述的用于維吾爾語語音識別的詞典單元的選擇系統，其特征在于：所述對所述詞語進行基于削尾算法的詞語分解，具體為：從右向左掃描詞語的子串，如果子串在附加成分列表中存在，則將其從詞語中削去，如果余下部分在詞干列表中存在，則分解結束。