[發(fā)明專利]泰語音節(jié)切分的方法及裝置在審
| 申請?zhí)枺?/td> | 201711204590.X | 申請日： | 2017-11-27 |
| 公開（公告）號： | CN107967259A | 公開（公告）日： | 2018-04-27 |
| 發(fā)明（設(shè)計）人： | 張睦 | 申請（專利權(quán)）人： | 傳神語聯(lián)網(wǎng)網(wǎng)絡(luò)科技股份有限公司 |
| 主分類號： | G06F17/27 | 分類號： | G06F17/27;G06K9/62 |
| 代理公司： | 北京康盛知識產(chǎn)權(quán)代理有限公司11331 | 代理人： | 李曉芳 |
| 地址： | 430000 湖北省武漢市東湖開發(fā)區(qū)光谷軟件*** | 國省代碼： | 湖北;42 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 泰語 音節(jié) 切分 方法 裝置 | ||
1.一種泰語音節(jié)切分的方法，其特征在于，包括：
對從泰語語料庫中獲取的待處理泰語文本進行預處理，確定非泰語字符串，以及每個泰語字符的位置音節(jié)類型信息；
對所述待處理泰語文本中每個字符之間的邊界進行打標簽，其中，由至少一個泰語音節(jié)字符組成的邊界標注為待切分標識；
提取所述待處理泰語文本中的每個待切分音節(jié)，其中，所述待切分音節(jié)由連續(xù)出現(xiàn)n次的泰語字符，以及一個所述待切分標識組成，n為正整數(shù)；
根據(jù)所述待切分音節(jié)中泰語字符的位置音節(jié)類型信息，采用馬爾科夫鏈概率語音模型，確定每個待切分音節(jié)的切分概率；
根據(jù)每個待切分音節(jié)及其對應的切分概率，切分設(shè)定待處理泰語句子中的音節(jié)。
2.如權(quán)利要求1所述的方法，其特征在于，所述對待處理泰語文本進行預處理，確定非泰語字符串，以及每個泰語字符的位置音節(jié)類型信息包括:
對所述待處理泰語文本中的非泰語字符串進行識別；
根據(jù)保存的泰語字符與位置音節(jié)類型信息之間的對應關(guān)系，確定所述待處理泰語文本中每個泰語字符的位置音節(jié)類型信息，其中，所述位置音節(jié)類型信息是根據(jù)泰語的基本語法規(guī)則生成的，包括音節(jié)類型信息和位置信息。
3.如權(quán)利要求1所述的方法，其特征在于，所述對所述待處理泰語文本中每個字符之間的邊界進行打標簽包括：
將兩個非泰語音節(jié)字符之間的邊界標注為第一切分標識；
將兩個泰語音節(jié)字符之間的邊界標注為所述待切分標識；
將一個泰語音節(jié)字符與一個非泰語字符串之間的邊界標注為所述待切分標識。
4.如權(quán)利要求1或2所述的方法，其特征在于，所述根據(jù)所述待切分音節(jié)中泰語字符的位置音節(jié)類型信息，采用馬爾科夫鏈模型，確定每個待切分音節(jié)的切分概率包括：
若所述泰語字符的位置音節(jié)類型信息為不在音節(jié)末尾的輔音字符時，則包括由第一順序排列的泰語字符與所述待切分標識的待切分音節(jié)對應的切分概率為零；
若所述泰語字符的位置音節(jié)類型信息為不在音節(jié)起始位置的元音字符時，則包括由第二順序排列的所述待切分標識與所述泰語字符的待切分音節(jié)對應的切分概率為零。
5.如權(quán)利要求1所述的方法，其特征在于，所述根據(jù)每個待切分音節(jié)及其對應的切分概率，切分設(shè)定待處理泰語句子中的音節(jié)包括：
根據(jù)每個待切分音節(jié)及其對應的切分概率，確定所述設(shè)定待處理泰語句子中每個預處理音節(jié)的預處理切分概率；
根據(jù)所述預處理切分概率的大小，對所述設(shè)定待處理泰語句子中的音節(jié)進行切分。
6.一種泰語音節(jié)切分的裝置，其特征在于，包括：
預處理單元，用于對從泰語語料庫中獲取的待處理泰語文本進行預處理，確定非泰語字符串，以及每個泰語字符的位置音節(jié)類型信息；
標識單元，用于對所述待處理泰語文本中每個字符之間的邊界進行打標簽，其中，由至少一個泰語音節(jié)字符組成的邊界標注為待切分標識；
提取單元，用于提取所述待處理泰語文本中的每個待切分音節(jié)，其中，所述待切分音節(jié)由連續(xù)出現(xiàn)n次的泰語字符，以及一個所述待切分標識組成，n為正整數(shù)；
概率確定單元，用于根據(jù)所述待切分音節(jié)中泰語字符的位置音節(jié)類型信息，采用馬爾科夫鏈概率語音模型，確定每個待切分音節(jié)的切分概率；
切分單元，用于根據(jù)每個待切分音節(jié)及其對應的切分概率，切分設(shè)定待處理泰語句子中的音節(jié)。
7.如權(quán)利要求6所述的裝置，其特征在于，
所述預處理單元，還用于對所述待處理泰語文本中的非泰語字符串進行識別；以及，根據(jù)保存的泰語字符與位置音節(jié)類型信息之間的對應關(guān)系，確定所述待處理泰語文本中每個泰語字符的位置音節(jié)類型信息，其中，所述位置音節(jié)類型信息是根據(jù)泰語的基本語法規(guī)則生成的，包括音節(jié)類型信息和位置信息。
8.如權(quán)利要求6所述的裝置，其特征在于，
所述標識單元，還用于將兩個非泰語音節(jié)字符之間的邊界標注為第一切分標識；以及，將兩個泰語音節(jié)字符之間的邊界標注為所述待切分標識，將一個泰語音節(jié)字符與一個非泰語字符串之間的邊界標注為所述待切分標識。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于傳神語聯(lián)網(wǎng)網(wǎng)絡(luò)科技股份有限公司，未經(jīng)傳神語聯(lián)網(wǎng)網(wǎng)絡(luò)科技股份有限公司許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201711204590.X/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
