限定领域汉语口语对话语料分析.PDFVIP

限定领域汉语口语对话语料分析* 宗成庆 吴华 黄泰翼 徐波 中科院自动化研究所 模式识别国家重点实验室 北京 100080 摘 要 口语对话语料分析是口语交互翻译系统和人机对话系统研究的基础。本文以限定领域汉语口语对 话语料为基础，首次对汉语口语对话中的语言现象进行了详细统计和分析，提出了建立通用口语词典和适 应不同应用领域转移性的词汇提取方法。本文提出的方法和统计的结果对于研究鲁棒性汉语口语理解算法 和建立限定领域的口语翻译系统和人机对话系统，具有重要的意义。 关键词 话语分析 语料统计 口语翻译 人机对话 Analysis of Spoken Dialog Corpus in Restricted Domain Chengqing ZONG, Hua WU, Taiyi HUANG and Bo XU cqzong@nlpr.ia.ac.cn National Laboratory of Pattern Recognition, Institute of Automation, CAS. Beijing 100080 Abstract Analysis of spoken dialog corpus is an important foundation for research of speech-to-speech translation system and man-machine dialog system. Based on the Chinese spoken dialog corpus in restricted domain, this paper firstly presents statistical data and performs analysis in detail on the spoken language phenomena. The ideas to establish universal spoken language dictionary and the methods to extract words from corpus of different domains for expanding dictionary are also presented. The methods and statistical results presented in the paper are meaningful for research of robust Chinese spoken language understanding and implementation of spoken language translation system and man-machine dialog system. Keywords Discourse analysis, Corpus statistics, Spoken language translation, Man-machine dialog system 1． 引 言 在口语翻译和人机对话系统研究中，口语语料的收集、整理和分析是非常重要的基础 性工作。由于口语对话中的语言现象与书面语相比具有较大的差异，而且不同的应用领域 *本项目得到国家自然科学基金项目(批准号:、国家“863”项目(批准号:863-306-ZT03-02-2)、中国 博士后科学基金和中国科学院王宽诚博士后基金资助。 115 之间，词汇的分布等各种语言现象也有所不同，因此，如何建立有效的语料分析方法，对 特定领域的口语现象进行准确地统计和分析，对于口语理解方法的研究和建立限定领域的 口语翻译系统和人机对话系统，具有重要的意义。