连续汉语普通话调错误检测.pdfVIP

中文摘要 摘要：目前，在计算机辅助语言学习(CALL)方面的研究已经取得了不少的 成绩，其中，发音评估起到了非常重要的作用。然而，在汉语普通话发音的评估 方面的研究还还相知甚少，而且他们大多数都基于边界打分的(segmentalgoodness) 的基础上的。由于汉语是声调语言，在现实的交流中发音正确非常重要，所以在 汉语的CALL系统正确检测声调的错误是当务之急。在本论文中，我们提出了能 Tone 够描述声调变化的基于上下文的声调模型(ContextDependentModel．CDTM) 模型，并通过计算最佳期望CDTM模型和最接近实际发音的CDTM模型(由实际 发音通过CDTM识别得到的语音)进行比较来检测发音错误。 在已有研究工作中，张丽等使用了对数后验概率(109-posteriorprobability)来评 估声调发音的正确性。在孤立词的语料库上，他们在允许4％的错误接受率的基础 上获得了90％的J下确率。SiWel使用了相同的方法，但是他们的基频通过 专家们的相关系数达到了0．79。但是这些工作都是使用三音子的隐马尔科夫 Markov (HiddenModels．HMM)在孤立词的识别上取得的成绩。 在本论文，我们致力研究连续汉语普通话的声调错误的检错，并提出了使用 基于上下文的隐马尔科夫模型来进行声调建模。 对于连续语音，我们建立两个 CDTM序列，一个从相应的阅读文本中获得，我们称为最佳期望发音的CDTM序 列，另一个序列，通过实践发音在CDTM识别得到，我们称为最接近实际发音的 Divzrgence-KLD)来检测声调发音的好坏． 在评估阶段，发音的好坏是通过期望模型序列和最接近实际发音模型序列的 相应模型之间的KLD来评估的，我们通过ROC曲线事先设定一个阀值，当两个 模型之间的KLD值大于实现设定的阈值，我们认为其发音有错，在ROC曲线上， 我们获得相等的错误率为2．6％． 关键词；基于上下文声调模型；相对熵l声调识别；声调错误检测 分类号}TN912．34 ABSTRACT been in ABSTRACT：Inrecent has madethea腻of years．muchprogress which evaluation computer-assistedlanguagelearning(CALL)system,inpronunciation been an afewworkshave donein Mandarin playsimportantrole．Yet,only evaluating andmostofthemareon Mandarinisatonal pronunciation segmentalgoodness．Since in is to tone live important language,itvery pronounceprecisely toneerrorsiscrucialfora CALL this Mandarin therefore,detecting system．Inpaper, todetecterrors we