[發(fā)明專(zhuān)利]一種拼音標(biāo)注方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202110013709.5
• 申請(qǐng)日: 2021-01-06
• 公開(kāi)（公告）號(hào): CN112686041A
• 公開(kāi)（公告）日: 2021-04-20
• 發(fā)明（設(shè)計(jì)）人: 楊明祺;馬楠;高強(qiáng);蔣榮正;夏龍;郭常圳
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京猿力未來(lái)科技有限公司
• 主分類(lèi)號(hào): G06F40/289
• 分類(lèi)號(hào): G06F40/289;G06F40/216
• 代理公司: 北京智信禾專(zhuān)利代理有限公司 11637
• 代理人: 劉曉楠

本申請(qǐng)?zhí)峁┮环N拼音標(biāo)注方法及裝置，其中所述拼音標(biāo)注方法包括：對(duì)待處理文本進(jìn)行分詞處理生成多個(gè)詞單元集合，所述待處理文本中包含至少一個(gè)多音字，根據(jù)預(yù)先建立的拼音詞表分別對(duì)所述多個(gè)詞單元集合中的單音字進(jìn)行拼音標(biāo)注，生成所述多個(gè)詞單元集合分別對(duì)應(yīng)的初始拼音序列，對(duì)所述初始拼音序列進(jìn)行拼接生成所述待處理文本對(duì)應(yīng)的中間拼音序列，并基于所述中間拼音序列生成所述待處理文本對(duì)應(yīng)的語(yǔ)音數(shù)據(jù)，提取所述語(yǔ)音數(shù)據(jù)的第一音頻特征，基于所述第一音頻特征以及所述中間拼音序列對(duì)所述至少一個(gè)多音字進(jìn)行拼音打分預(yù)測(cè)，并根據(jù)預(yù)測(cè)結(jié)果確定所述至少一個(gè)多音字的拼音標(biāo)注結(jié)果。

技術(shù)領(lǐng)域

本申請(qǐng)涉及文本處理技術(shù)領(lǐng)域，特別涉及一種拼音標(biāo)注方法及裝置、計(jì)算設(shè)備和計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，更多的應(yīng)用場(chǎng)景對(duì)數(shù)據(jù)的數(shù)量和質(zhì)量要求變得越來(lái)越高，并且不同的場(chǎng)景所使用數(shù)據(jù)也是不同的，在機(jī)器學(xué)習(xí)領(lǐng)域中，不同的使用需求將構(gòu)建不同的模型，而不同的模型也需要使用不同的樣本數(shù)據(jù)進(jìn)行訓(xùn)練，如圖像處理場(chǎng)景，就需要使用圖像數(shù)據(jù)訓(xùn)練該場(chǎng)景中應(yīng)用的模型；如音頻處理場(chǎng)景，就需要使用音頻數(shù)據(jù)訓(xùn)練該場(chǎng)景中應(yīng)用的模型；如文本處理場(chǎng)景，就需要使用文本數(shù)據(jù)訓(xùn)練該場(chǎng)景中應(yīng)用的模型等；而為了能夠訓(xùn)練出滿足使用需求的模型，需要在數(shù)據(jù)準(zhǔn)備階段對(duì)樣本數(shù)據(jù)進(jìn)行預(yù)處理，如打標(biāo)，構(gòu)建樣本對(duì)等等，都是滿足模型訓(xùn)練需求的準(zhǔn)備操作，該過(guò)程直接影響著訓(xùn)練出的模型的精準(zhǔn)度，現(xiàn)有技術(shù)在對(duì)樣本數(shù)據(jù)進(jìn)行打標(biāo)時(shí)，都是通過(guò)人工標(biāo)注的方式實(shí)現(xiàn)，不僅效率低下，而且人工標(biāo)注的方式無(wú)法保證準(zhǔn)度率，進(jìn)而容易在訓(xùn)練模型時(shí)造成誤差，因此亟需一種有效的方案以解決上述問(wèn)題。

發(fā)明內(nèi)容

有鑒于此，本申請(qǐng)實(shí)施例提供了一種拼音標(biāo)注方法及裝置、計(jì)算設(shè)備和計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，以解決現(xiàn)有技術(shù)中存在的技術(shù)缺陷。

根據(jù)本申請(qǐng)實(shí)施例的第一方面，提供了一種拼音標(biāo)注方法，包括：

對(duì)待處理文本進(jìn)行分詞處理生成多個(gè)詞單元集合，所述待處理文本中包含至少一個(gè)多音字；

根據(jù)預(yù)先建立的拼音詞表分別對(duì)所述多個(gè)詞單元集合中的單音字進(jìn)行拼音標(biāo)注，生成所述多個(gè)詞單元集合分別對(duì)應(yīng)的初始拼音序列；

對(duì)所述初始拼音序列進(jìn)行拼接生成所述待處理文本對(duì)應(yīng)的中間拼音序列，并基于所述中間拼音序列生成所述待處理文本對(duì)應(yīng)的語(yǔ)音數(shù)據(jù)；

提取所述語(yǔ)音數(shù)據(jù)的第一音頻特征，基于所述第一音頻特征以及所述中間拼音序列對(duì)所述至少一個(gè)多音字進(jìn)行拼音打分預(yù)測(cè)，并根據(jù)預(yù)測(cè)結(jié)果確定所述至少一個(gè)多音字的拼音標(biāo)注結(jié)果。

可選地，所述對(duì)待處理文本進(jìn)行分詞處理生成多個(gè)詞單元集合，包括：

通過(guò)匹配算法對(duì)所述待處理文本進(jìn)行分詞處理，生成多個(gè)詞單元集合。

可選地，所述對(duì)待處理文本進(jìn)行分詞處理生成多個(gè)詞單元集合，包括：

通過(guò)負(fù)向最大匹配算法對(duì)所述待處理文本進(jìn)行分詞處理，生成多個(gè)詞單元集合。

可選地，所述對(duì)待處理文本進(jìn)行分詞處理生成多個(gè)詞單元集合，包括：

查詢(xún)預(yù)先建立的拼音詞表中是否包含所述待處理文本的第i個(gè)詞單元，其中，i從1開(kāi)始取值且i為正整數(shù)；

若否，則將所述第i個(gè)詞單元作為一個(gè)詞單元集合；

i自增1，并返回執(zhí)行所述查詢(xún)預(yù)先建立的拼音詞表中是否包含所述待處理文本的第i個(gè)詞單元的步驟。

可選地，若所述查詢(xún)預(yù)先建立的拼音詞表中是否包含所述待處理文本的第i個(gè)詞單元的運(yùn)行結(jié)果為是，則所述對(duì)待處理文本進(jìn)行分詞處理生成多個(gè)詞單元集合，還包括：

查詢(xún)所述拼音詞表中是否包含由第i至第i+n個(gè)詞單元組成的詞組，其中，n從1開(kāi)始取值，且n為正整數(shù)；