首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于词性约束的越南语拼写纠错语料构建方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:昆明理工大学

摘要:本发明涉及一种基于词性约束的越南语拼写纠错语料构建方法。本发明利用已有的越南语语音识别模型模拟现实场景中出现的拼写错误,构建原始的越南语拼写纠错语料;然后根据原始纠错语料中的错误分布,计算出各类词性出现错误的数量及比例;接着,通过网络爬虫收集越南语文本数据,并对其进行筛选和预处理构建更干净的越南语单语语料;最后,利用错误的词性概率指导混淆集对单语语料进行不同方式的替换操作,并通过联合训练的方式筛选出更符合实际错误分布的越南语拼写纠错语料,从而有效解决越南语拼写纠错语料匮乏的问题。

主权项:1.一种基于词性约束的越南语拼写纠错语料构建方法,其特征在于:所述方法的具体步骤如下:Step1、无标注数据的采集与预处理:首先,借助网络爬虫获取大量越南语单一语料,建立庞大的未标注越南语数据集;随后,对数据进行清理、筛选和预处理操作;最终形成规范的未标注越南语数据,从中筛选出部分表达规范的语句,作为后续构建拼写纠错数据的基础语料;Step2、拼写纠错伪数据的构建和筛选:首先,从网上收集公开的越南语语音数据集;接着,利用现有的越南语音识别模型构建包含拼写错误的伪数据;最后,对生成的伪数据进行去重、去噪处理,形成初始的拼写纠错伪数据;Step3、基于词性约束指导混淆集构建拼写纠错语料:首先利用规范的越南语拼写纠错伪数据获取易产生拼写错误的词性,统计各类错误出现数量,计算每种类型对应概率;然后,根据概率指导混淆集对基础语料中的词进行替换,得到高质量的越南语拼写纠错语料;Step4、调整替换策略,找出最适合的替换方案,通过联合训练筛选出置信度较高的越南语拼写纠错语料,进一步提升越南语拼写纠错性能。

全文数据:

权利要求:

百度查询: 昆明理工大学 一种基于词性约束的越南语拼写纠错语料构建方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。