来源:Interspeech2020
单位:标贝
主要思路:
之前的神经网络做多音字消歧时,每个多音字的分类空间都是所有多音字的发音,可能会存在将多音字的发音预测成根本不属于这个字的发音。本文加入MASK,屏蔽掉不属于该多音字的发音。主要结构如图所示:
将MASK也作为特征输入网络,同时也在softmax之前,屏蔽掉无关的发音。文中还用BLSTM提取 sentence level 的特征,1维CNN提取local的特征,并且将两种特征结合起来用于预测。还应用了Modified Focal Loss,解决数据不平衡的问题。
【多音字消歧】A Mask-based Model for Mandarin Chinese Polyphone Disambiguation
最新推荐文章于 2024-04-07 09:55:40 发布