计算机工程与科学 ›› 2023, Vol. 45 ›› Issue (07): 1292-1299.
王剑1,姜林1,2,王琳钦1,2,余正涛1,2,张松1,2,高盛祥1,2
WANG Jian1,JIANG Lin1,2,WANG Lin-qin1,2,YU Zheng-tao1,2,ZHANG Song1,2,GAO Sheng-xiang1,2
摘要: 文本正则化TN是语音合成文本前端分析任务中必不可少的工作,老挝语的文本正则化是将老挝语文本中不可读的词NSW转化为可以口头表达的词SFW。目前文本正则化任务尚未在老挝语中开展,主要面临训练数据难获取、部分不可读词存在歧义的问题。针对以上问题,构建了老挝语文本正则化任务的语料,并将老挝语文本正则化任务当作序列标注任务,使用神经网络结合上下文语境预测存在歧义的不可读的老挝语文本,增加自注意力机制加深序列字符间的关系,探究了不同策略引入预训练语言模型的效果,融合各自注意力机制的BiLSTM模型在测试集上达到67.59%的准确率。