[發(fā)明專利]一種確定漢字拼音的方法、系統(tǒng)、裝置及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 201811312773.8
• 申請(qǐng)日: 2018-11-06
• 公開（公告）號(hào): CN111142681A
• 公開（公告）日: 2020-05-12
• 發(fā)明（設(shè)計(jì)）人: 胡娟;陳歡;宋奇
• 申請(qǐng)（專利權(quán)）人: 北京嘀嘀無限科技發(fā)展有限公司
• 主分類號(hào): G06F3/023
• 分類號(hào): G06F3/023
• 代理公司: 成都七星天知識(shí)產(chǎn)權(quán)代理有限公司 51253
• 代理人: 袁春曉

本發(fā)明提供了一種漢字拼音確定方法、系統(tǒng)、裝置及存儲(chǔ)介質(zhì)。所述方法包括以下一個(gè)或一個(gè)以上操作。可以獲取待確定拼音的輸入數(shù)據(jù)。可以基于拼音確定模型獲取所述輸入數(shù)據(jù)的至少一種候選拼音結(jié)果，以及每一種候選拼音結(jié)果對(duì)應(yīng)的概率值，所述概率值為對(duì)應(yīng)候選拼音結(jié)果為所述輸入數(shù)據(jù)的發(fā)音的概率。可以將概率值最大的候選拼音結(jié)果確定為所述輸入數(shù)據(jù)的目標(biāo)拼音。本申請(qǐng)中公開的方法，可以根據(jù)漢字的上下文語境，選擇合適的多音字拼音，解決了常用算法中詞典未覆蓋的多音字詞問題。

技術(shù)領(lǐng)域

本發(fā)明涉及語言處理技術(shù)領(lǐng)域，更具體的，涉及一種確定漢字拼音的方法、系統(tǒng)、裝置及存儲(chǔ)介質(zhì)。

背景技術(shù)

在對(duì)中文漢字進(jìn)行拼音注音時(shí)，常用的漢字轉(zhuǎn)拼音的算法依賴于詞典，包括詞語映射拼音詞典和單個(gè)字映射拼音詞典。對(duì)于既有詞典，無法覆蓋新出現(xiàn)的詞語，并且在面對(duì)單個(gè)字(或多音字)轉(zhuǎn)拼音時(shí)，無法根據(jù)該字的具體上下文語境靈活的選擇拼音，只能根據(jù)設(shè)定好的位置去確定該字的多個(gè)讀音中的一個(gè)。這樣得到的漢字轉(zhuǎn)拼音的正確率較低。因此，需要一種可根據(jù)上下文語境確定漢字拼音的方法。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)中在進(jìn)行漢字轉(zhuǎn)拼音時(shí)，無法根據(jù)上下文靈活選擇正確拼音的問題，本發(fā)明的一個(gè)實(shí)施例在于提供一種確定漢字拼音的方法、系統(tǒng)、裝置及存儲(chǔ)介質(zhì)，首先確定待轉(zhuǎn)拼音的漢字的所有讀音，進(jìn)一步基于由訓(xùn)練語料對(duì)訓(xùn)練完成的拼音確定模型獲取拼音對(duì)應(yīng)待轉(zhuǎn)漢字的概率值，基于概率值確定待轉(zhuǎn)拼音的漢字的拼音結(jié)果，提高了漢字轉(zhuǎn)拼音的準(zhǔn)確性。

為了達(dá)到上述發(fā)明的目的，本發(fā)明提供的技術(shù)方案如下：

一種確定漢字讀音的方法。所述方法在可以在包括一個(gè)處理器和一個(gè)存儲(chǔ)器的設(shè)備上實(shí)現(xiàn)。所述方法可以包括以下一個(gè)或一個(gè)以上操作。可以獲取待確定拼音的輸入數(shù)據(jù)。可以對(duì)所述輸入數(shù)據(jù)進(jìn)行處理，獲取所述輸入數(shù)據(jù)的至少一種候選拼音結(jié)果，以及每一種候選拼音結(jié)果對(duì)應(yīng)的概率值，所述概率值為對(duì)應(yīng)候選拼音結(jié)果為所述輸入數(shù)據(jù)的發(fā)音的概率。可以將概率值最大的候選拼音結(jié)果確定為所述輸入數(shù)據(jù)的目標(biāo)拼音，并輸入所述目標(biāo)拼音。

在本發(fā)明中，所述對(duì)所述輸入數(shù)據(jù)進(jìn)行處理，獲取所述輸入數(shù)據(jù)的至少一種候選拼音結(jié)果，以及每一種候選拼音結(jié)果對(duì)應(yīng)的概率值，可以包括以下一個(gè)或一個(gè)以上的操作。可以基于狀態(tài)轉(zhuǎn)移矩陣及發(fā)射矩陣確定所述輸入數(shù)據(jù)的至少一種候選拼音結(jié)果，以及每一種候選拼音結(jié)果對(duì)應(yīng)的概率值。所述狀態(tài)轉(zhuǎn)移矩陣包含訓(xùn)練語料中全部漢字的拼音組成的集合中，任意一個(gè)拼音轉(zhuǎn)移到集合中其他拼音的概率值以及轉(zhuǎn)移到其自身的概率值。所述發(fā)射矩陣包含所述集合中任意一個(gè)拼音對(duì)應(yīng)的漢字取訓(xùn)練語料中各漢字的概率值。所述訓(xùn)練語料包括多條由含有漢字的文本及其對(duì)應(yīng)的拼音組成的語料對(duì)。

在本發(fā)明中，所述基于狀態(tài)轉(zhuǎn)移矩陣及發(fā)射矩陣確定所述輸入數(shù)據(jù)的至少一種候選拼音結(jié)果，以及每一種候選拼音結(jié)果對(duì)應(yīng)的概率值，可以包括以下一個(gè)或一個(gè)以上操作。可以確定所述輸入數(shù)據(jù)的觀察序列；所述觀察序列是將所述輸入數(shù)據(jù)對(duì)應(yīng)的文本拆分成單個(gè)字符后的字符序列。確定所述觀察序列中每個(gè)字符的狀態(tài)序列；其中，漢字字符的狀態(tài)序列包含該漢字的全部拼音，數(shù)字字符、字母字符與符號(hào)字符的狀態(tài)序列均為其本身。可以基于所述狀態(tài)轉(zhuǎn)移矩陣以及所述發(fā)射矩陣確定所述觀察序列中每個(gè)漢字字符取其狀態(tài)序列中不同拼音的概率值，得到所述輸入數(shù)據(jù)的至少一種候選拼音結(jié)果及其對(duì)應(yīng)的概率值。

在本發(fā)明中，所述將概率值最大的候選拼音結(jié)果確定為所述輸入數(shù)據(jù)的目標(biāo)拼音，可以包括以下一個(gè)或一個(gè)以上操作。可以保留所述觀察序列中每個(gè)漢字字符的狀態(tài)序列中概率值最大的拼音，得到所述輸入數(shù)據(jù)的目標(biāo)拼音。

一種確定漢字拼音系統(tǒng)。所述系統(tǒng)包括獲取模塊、候選拼音確定模塊以及目標(biāo)拼音確定模塊。所述獲取模塊用于獲取待確定拼音的輸入數(shù)據(jù)。所述候選拼音確定模塊用于對(duì)所述輸入數(shù)據(jù)進(jìn)行處理，獲取所述輸入數(shù)據(jù)的至少一種候選拼音結(jié)果，以及每一種候選拼音結(jié)果對(duì)應(yīng)的概率值，所述概率值為對(duì)應(yīng)候選拼音結(jié)果為所述輸入數(shù)據(jù)的發(fā)音的概率。所述目標(biāo)拼音確定模塊用于將概率值最大的候選拼音結(jié)果確定為所述輸入數(shù)據(jù)的目標(biāo)拼音。