基于规则的语音理解自动纠错系统的研究.pdfVIP

清华大学学报(自然科学版) 52／57 1998年第38卷 JournalofTsinghuaUniversity(Sci＆．Tech)第s2期第173～176页 基于规则的语音理解自动纠错系统研究” 李晶皎，刘树民，姚1乏顺 东北大学信息科学与工程学院．沈阳110006 文摘本文根据汉语语音的特点．通过总结连续汉语语音识剐的汉字序列中出现错 误的规律，写出相应的用于查错和校正的河法和句法语义规则．利用“词托语义甜动” 的分析方法，找出汉字序列中的错误并校正，最终得到正确的汉字序列。 关键词汉语语音理解：诃法语义驱动；词法规则：句法语义规则。 计算机汉语连续语音识别是要把把输入的谮音序列转换为正确的文字序列，它通常 需要经过语音识别和语音理解的两级转换．语音识刖将输入的语音波形转换成拼音序列， 语音理解将拼音序列转换成文字序列。由于汉语语音的调值具有辩意作用，考虑汉语拼 音的声调大约有1300个拼音，而汉字有近万个．使得语音理解很困难，语音理解所给出 的汉字序列经常出现错误Il】，我们的自动纠错就是要把语音理解给出的汉字亭列中的错 误查找出来，并校正输出正确的汉字序列。本系统中，词法、句法和浯义等知识是在词 典中描述的，约束是通过规则实现的，所用的分析方法是词}【：语义驱动””．， 1 纠错的种类 ～个字或词之所以被认为用错了，是因为它与其所在的上下文环境不相适应．即词 法、句法和语义关系搭配不当造成的。通过对大量错误现象的研究．以及我们现有的基 于词汇语义驱动的语言理解开发平台。本系统主要自动纠正下面三种锚误： (1)词法错误：分词错误或错字破坏了原文词的结构．出现所谓“非词”现象。例如： 这里(礼)物的确贵。Ⅱ三确的分词应该是；这·礼物·的确贵。而不是：这里·物·的 确贵。 ， (2)句法错误：某些错误虽然破坏_『原词的结构．但却能与其前后字构成词．或苔该单 字本身就是词，通过句法分析可以发现这种错误。例如：那素(树)被暴风给刮倒了。 该旬为“被”字句，主语是受事，而用介词“被”引进施事．句子中的“索”应为 “树”，词性应该是名词而不应该是形容词。 (3)语义搭配错误：主要进行句型成分之间，以及句型成分短语内部的浯义搭配关系的 分析与检查。如动词的腌事和受事的搭配关系与限制：句型成分短语内部词与词之 间搭配等。例如：他期在哭。哭只能是人在哭。“期”是不对的。 ’国家自然科学基金和国家教委博士点基金项目资助 清华大学学报(自然科学版) i998．38(s2) 2 知识库的表示 2 1词典的组成 本系统所用的词媳工收录了70124个词条。为r加速对词典的查找，为词典建立r 两种索引，一种是以拼音码为关键字的一级索引．另一种是以领头字为关键字的一级索 语义特征semfea，语义分类码rest。 2．2规则的表示 本系统所用的规则按语法分析可分成两类：一类是词法规则，用Rw蕤示；另一类 是句法语义规则，用Rg表示：按规则适用范围可分为：共性规则和个性规则；因此 性句法语义规则，P．ge为共性句法语义规则。此外，为了提高规则描述语言的能力，还 设计了规则描述语言函数．以㈤开头．例如：fc(／SEARCH0。 我们通过对浯音理解所得的汉字序列的研究．总结并归纳出汉字序列中错误的规律， 写出一系列词法分析规则和句法语义分析觇则。在进行规则匹配}}寸．首先奁找个性规则． 然后查找共性规则。 比如，有这样一句话：小鸟。直飞了两小时。语音理解绐出的句子卸是：小鸟一直 飞了量小时。为了检测并校正这类错误，我们可以写出这样一条句法语义的共性规则 n1 Rgc：“CCATm+(CCATt)=“改．CCAT 果当前词之后的词性是附阃词．而当 前词的词性不是数词，那么将当前谰 的词性改为数词，并且按拼音索引查 找与当前词拼音相同且词性是数词 的词条．用该词条替换当前词词条。 3 纠错系统的实现 汉语署音理解中的纠锚处理主 要有词