[发明专利]基于汉语韵律结构和重音的联合预测模型构建方法及系统

权利要求书

1.一种基于汉语韵律结构和重音的联合预测模型构建方法，其特征在于，所述构建方法包括：

对多个训练语料进行预处理，得到预处理文本；

对所述预处理文本进行分词处理，得到分词文本信息；

根据所述分词文本信息确定对应文本的词向量特征序列；

基于注意力机制的循环神经网络RNN的编码-解码，对所述词向量特征序列进行编码、解码处理，建立基于汉语韵律结构和重音的联合的预测模型，用于预测待处理文本的韵律结构和重音。

2.根据权利要求1所述的基于汉语韵律结构和重音的联合预测模型构建方法，其特征在于，所述对多个训练语料进行预处理，具体包括：

对所述训练语料进行规则化处理，纠正多音字发音错误；和/或对数字进行正则化处理。

3.根据权利要求1所述的基于汉语韵律结构和重音的联合预测模型构建方法，其特征在于，所述根据所述分词文本信息确定对应文本的词向量特征序列，具体包括：

根据所述分词文本信息，通过查找词表的方法查到所对应词的词向量，确定对应文本的词向量特征序列；

其中，所述词表的初始值是基于连续词袋模型CBOW训练得到的。

4.根据权利要求1所述的基于汉语韵律结构和重音的联合预测模型构建方法，其特征在于，所述建立基于汉语韵律结构和重音的联合预测模型，具体包括：

基于双向RNN的编码器从正向和反向读取所述词向量特征序列，确定所述编码器在每一时间步的隐状态；

基于无向RNN的解码器进行解码，得到表征基于汉语韵律结构和重音的联合预测模型的解码状态函数，用于预测待处理文本的韵律结构和重音。

5.根据权利要求4所述的基于汉语韵律结构和重音的联合预测模型构建方法，其特征在于，所述建立基于汉语韵律结构和重音的联合预测模型，还包括：

提取各训练语料中的韵律结构和重音标注结果作为目标值；

根据解码状态函数计算各训练语料的预测值；

根据所述目标值和预测值调整所述预测模型的状态参数。

6.根据权利要求4所述的基于汉语韵律结构和重音的联合预测模型构建方法，其特征在于，所述基于双向RNN的编码器从正向和反向读取所述词向量特征序列，确定编码器在每一时间步的隐状态，具体包括：

前向RNN按照正向读取词向量特征序列x＝(x₁,x₂,...,x_T)，并在每一时间步i产生正向隐状态fh_i，其中，fh_i＝(fh₁,...,fh_T)，i＝1,2,...,T；f表示预测模型的正向隐状态参数；

后向RNN按照反向读取词向量特征序列并生成反向隐状态bh_i，其中，bh_i＝(bh_T,...,bh₁)；b表示预测模型的反向隐状态参数；

根据所述正向隐状态fh_i和反向隐状态bh_i确定编码器在每一时间步的隐状态h_i，其中，h_i＝[fh_i,bh_i]。