基于语料库相似度的语料选择

摘要：

在基于语料库的文语转换系统中,需要事先选择并合成一定数量的句子得到其MOS评分,通过使拼接损失与MOS分相关系数最大来优化拼接损失函数.该文以清华大学TH-Coss女声语料库为例,提出了归一化语境误差和与语料库相似度的概念,以归一化语境误差和最小为准则,从TH-Coss语料库中选出应该事先合成的那批句子,用剩下的句子替代整个语料库.实验结果表明,与随机选取相比,该文的方法选取出来的句子同整个语料库的相似度有较大幅度的提高,剩余句子组成的语料库与整个语料库的相似度达到0.995 5,表明这种替代是合理的.

关键词：相似语料库、归一化语境误差和、语料库相似度、文语转换系统、拼接损失函数

所属期刊栏目：33

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金60334010;60475029

在线出版日期：2007-11-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：231-233