[發明專利]插入噪聲的語料生成方法、裝置、設備、可讀存儲介質

在審

• 申請號: 202010175321.0
• 申請日: 2020-03-13
• 公開（公告）號: CN113392643A
• 公開（公告）日: 2021-09-14
• 發明（設計）人: 張斯曼;李安新;陳嵐;村上聰一朗
• 申請（專利權）人: 株式會社NTT都科摩
• 主分類號: G06F40/284
• 分類號: G06F40/284;G06F40/58;G06N3/02;G06N3/08
• 代理公司: 北京市柳沈律師事務所 11105
• 代理人: 張曉明

1.一種插入噪聲的語料生成方法，包括：

獲取待處理語料，其中，所述待處理語料中包括至少一個詞語；

對于所述至少一個詞語中的詞語，獲取所述詞語的特征信息；

基于所述特征信息，確定對應于所述詞語的噪聲；以及

在所述待處理語料中插入所述對應于所述詞語的噪聲，生成所述插入噪聲的語料。

2.根據權利要求1所述的方法，其中，所述獲取所述詞語的特征信息包括：

對所述待處理語料進行處理，確定對應于該詞語的噪聲類型，作為所述特征信息，其中，

所述噪聲類型包括以下類型中的一種：糾正類型、語氣類型。

3.根據權利要求2所述的方法，其中，在確定所述噪聲類型為糾正類型的情況下，所述獲取所述詞語的特征信息還包括：

獲取所述詞語的拼音，作為所述特征信息；

所述確定對應于所述詞語的噪聲包括：

基于所述詞語的拼音確定對應于所述詞語的噪聲。

4.根據權利要求3所述的方法，其中，所述基于所述詞語的拼音確定對應于所述詞語的噪聲包括：

基于由語料庫得到的統計數據，在所述詞語的拼音中確定變換音節；

確定對應于所述變換音節的替換音節；

利用所述替換音節替換所述拼音中的所述變換音節，以生成噪聲拼音；

將對應于所述噪聲拼音的詞語確定為對應于所述詞語的噪聲。

5.根據權利要求2所述的方法，其中，在確定所述噪聲類型為語氣類型的情況下，所述獲取所述詞語的特征信息還包括：獲取所述詞語在所述待處理語料中的位置信息，作為所述特征信息；

所述確定對應于所述詞語的噪聲包括：

基于所述詞語的位置信息確定對應于所述詞語的噪聲。

6.根據權利要求2所述的方法，其中，在確定所述噪聲類型為糾正類型的情況下，所述獲取所述詞語的特征信息還包括：

獲取所述詞語的糾正噪聲的字符長度，作為所述特征信息；

所述確定對應于所述詞語的噪聲包括：

基于所述字符長度，確定所述糾正噪聲的保留部分，將所述保留部分確定為對應于所述詞語的噪聲。

7.根據權利要求1-6中任一項所述的方法，還包括：

確定所述待處理語料的噪聲插入次數；

在所述噪聲插入次數大于1的情況下，在所述待處理語料中確定特征信息為語氣類型的詞語，獲取所述詞語在所述待處理語料中的位置信息，基于所述詞語的位置信息確定對應于所述詞語的噪聲，在所述待處理語料中插入所述對應于所述詞語的噪聲。

8.一種插入噪聲的語料生成裝置，包括：

獲取單元，配置成獲取待處理語料，其中，所述待處理語料中包括至少一個詞語；

特征單元，配置成對于所述至少一個詞語中的詞語，獲取所述詞語的特征信息；

噪聲單元，配置成基于所述特征信息，確定對應于所述詞語的噪聲；以及

插入單元，配置成在所述待處理語料中插入所述對應于所述詞語的噪聲，生成所述插入噪聲的語料。

9.一種插入噪聲的語料生成設備，包括：

處理器；和

存儲器，其中，所述存儲器中存儲有計算機可讀代碼，所述計算機可讀代碼當由所述處理器運行時，執行如權利要求1-7中任一項所述的插入噪聲的語料生成方法。

10.一種計算機可讀存儲介質，其上存儲有指令，所述指令在被處理器執行時，使得所述處理器執行如權利要求1-7中任一項所述的插入噪聲的語料生成方法。