发明名称 |
多音字标注模板生成方法和装置 |
摘要 |
本发明公开了一种多音字标注模板生成方法和装置,其中,多音字标注模板生成方法包括:获取原始语料;对原始语料进行预处理,并生成包含多音字的语料数据;切分语料数据以生成多个分词,并对多个分词进行词性标注,以及进行近义词归一化处理;对归一化后的多个分词进行组合,并生成对应的句型;以及反向生成句型对应的多音字标注语料,并根据多音字标注语料生成多音字标注模板。本发明实施例的多音字标注模板生成方法和装置,减少了人工标注的工作量,并提升了多音字标注语料的抗噪性和容错性,进而在对多音字的读音进行预测时,提高了准确性。 |
申请公布号 |
CN105225657A |
申请公布日期 |
2016.01.06 |
申请号 |
CN201510695421.5 |
申请日期 |
2015.10.22 |
申请人 |
百度在线网络技术(北京)有限公司 |
发明人 |
肖朔;白洁;李秀林 |
分类号 |
G10L13/06(2013.01)I |
主分类号 |
G10L13/06(2013.01)I |
代理机构 |
北京清亦华知识产权代理事务所(普通合伙) 11201 |
代理人 |
宋合成 |
主权项 |
一种多音字标注模板生成方法,其特征在于,包括以下步骤:获取原始语料;对所述原始语料进行预处理,并生成包含多音字的语料数据;切分所述语料数据以生成多个分词,并对所述多个分词进行词性标注,以及进行近义词归一化处理;对归一化后的所述多个分词进行组合,并生成对应的句型;以及反向生成所述句型对应的多音字标注语料,并根据所述多音字标注语料生成多音字标注模板。 |
地址 |
100085 北京市海淀区上地十街10号百度大厦三层 |