基于互补模型的汉语重音检测  

Mandarin Stress Detection Based on Complementary Model

作　　者：倪崇嘉[1,2] 刘文举[2] 徐波[2] 

机构地区：[1]山东财政学院统计与数理学院,济南250014 [2]中国科学院自动化研究所模式识别国家重点实验室,北京100190

出　　处：《计算机工程》2011年第23期20-23,共4页Computer Engineering

基　　金：国家自然科学基金资助项目(90820303;60675026;90820011);国家"863"计划基金资助项目(20060101Z4073;2006AA01Z194);国家"973"计划基金资助项目(2004CB318105)

摘　　要：针对现有汉语重音检测方法正确率较低的问题,利用声学、词典和语法相关特征的不同分类器组合,基于Boosting分类回归树+条件随机场的互补模型,提出一种改进的汉语重音检测方法。在ASCCD语料库上的实验结果表明,该方法能获得84.9%的重音检测正确率,相比基于神经网络+决策树的基线系统提高2.7%。Aiming at the problem that existing mandarin stress detection method has low accuracy rate,this paper proposes the complementary model method based on Boosting Classification and Regression Tree（CART） and Conditional Random Fields（CRFs）.It is the combination of different classifiers to detect Mandarin character stress by using the acoustic,lexical and syntactic related features.In the ASCCD corpus,the complementary model achieves 84.9% stress detection correct rate,and there is 2.7% improvement when compared with the baseline system based on Neural Network（NN） and decision tree.

关 键 词：重音 互补模型 Boosting分类回归树 条件随机场 神经网络 支持向量机 

分 类 号：TP319[自动化与计算机技术—计算机软件与理论]