针对长尾问题的二重加权多音字消歧算法

摘要：

数据的长尾分布问题是NLP实践领域中的常见问题.以语音合成前端的多音字消歧任务为例,多音字数据的极度不均衡、尾部数据的缺乏,影响着语音合成系统的工业实用效果.该文观察到,汉语多音字的分布在"字符"与"字音"两个维度上都呈长尾特性,因此该文针对性地提出一种二重加权算法(Double Weighted,DW).DW算法可分别与两种长尾算法:MARC,Decouple-cRT结合,进一步提升模型性能.在开源数据和工业数据上,DW算法较基线模型和两种原始算法取得了不同程度的准确率提升,为多维长尾问题提供解决方案与借鉴思路.

关键词：多音字消歧、长尾分布、重加权、解耦特征与分类器

所属期刊栏目：36

分类号：TP391(计算技术、计算机技术)

在线出版日期：2023-02-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：169-176