【多音字消歧】A Mask-based Model for Mandarin Chinese Polyphone Disambiguation

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。