中文输入法标注准则.docVIP

中文输入法标注规范 好数据： 中文类型： 根据发音把文字转写准确； 儿化音的数据要把儿化音录入 多音字的不同发音，也要按照普通话的标准录入 文本正常转写，不能多字、少字或漏字，对于小区名、道路名和人名要按正确的文字录入；说话人中途说错1~2字的音，但整句语义明确，如果可以找到该发音的汉字就按发音转写，如果找不到同音字根据语义进行转写 发音有停顿文本连续录入，文本间不需要空格或添加任何标点符号，英文缩写除外；例如，“what’s your name”其中上撇符号一定是英文状态下录入，特殊符号按汉字发音录入； 对于网址的录入，根据发音录入，如“三W点”和W W W点” 语气词必须是口字旁要使用正确，对于结尾时疑问句用“吗”陈述句则用“嘛”； 方言（稍重）、口音较重的发音，只要在普通话角度可以听清，听懂，均进行转写（瓜娃子） 英文及其他国家语言类型： 对于字母和单词的录入，字母要大写且之间空格，单词小写且空格，字母/单词与汉字之间是不需要空格。例如P P T V what’s your name 你会唱A B C歌吗 除英语以外的其他国家语言，如果有固定汉字的均可进行转写，如“卡哇伊”、“莫西莫西”等 数字类型： 对于阿拉伯数字要转写成汉字。例如，“123”如果读音是一则转写为“一二三”，如果读音是幺则转写为“幺二三”，如果读音是百则转写为“一百二十三” 噪音类型： 1）设备噪音类型：QQ滴滴音、手机震动音、log音，出现，只要能听清发音人内容均转写 2）人声噪音的类型：人声噪音只要不影响主说话人的，全部进行转写出来（包括边人说话内容）； a）无主次说话人类型：两个人对话或多人讲话没有重合部分均转写 b）主次分明的类型：主发音人内容与次发音人内容都听清均转写；主发音人内容清晰，次发音人内容模糊，只转写主发音人内容；主发音内容清晰，次发音人内容部分清晰与主发音人音频没有重合部分，只转写主发音人内容 坏数据 音频无主发音人的类型： 纯环境噪音/纯人声噪音/纯音乐、说唱/纯人声非语音（包括咳嗽、清嗓子、打喷嚏、笑声等） 两个人对话有重合部分或多人讲话有???合部分的/纯机器人的声音，例如：公交车报站的声音和拨打10086的提示音等； 音频有主发音人的类型： 方言严重听不清楚内容的； 噪音类型： 1）设备噪音类型：QQ滴滴音、手机震动音、log音，出现导致听不清发音人内容坏数据； 2）人声噪音的情况类型：边人说话音清晰，与主发音人语音重叠，无法分别主说话人内容，标坏 截断类型： 1）左右截断的情况：左右截断数据从听感上听到首汉字和尾汉字的音节没有发完整 2）严重上下截幅情况，主发音人吼出来造成的音频波形超出上下边界线