【多音字消歧】g2pM

g2pM: A Neural Grapheme-to-Phoneme Conversion Package for Mandarin Chinese Based on a New Open Benchmark Dataset
时间：submitted to interspeech 2020
单位：Kakao Brain（韩国）
Open source dataset:
数据集构建：从维基百科中爬下来的句子，去除了太长的（>50字）和太短的（<5字）。只保留了句子中只有一个多音字的句子，因此每个句子中有且仅有一个多音字。
数据集划分：Trainset: 79117条句子，Testset: 10254条句子，Devset: 9893条句子。
三个子集都包括623个多音字，876个发音。

Benchmark:
模型结构：一层64维的embedding，一层64个节点的Bi-LSTM，两层全连接64个节点，还有最后一层全连接876个节点。
模型参数：477k
模型大小：1.7M
效果：在test集的表现超过了市面上的api，仅稍次于Chinese Bert（100多M的大模型）。