基于半监督学习的汉语韵律短语预测研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-15页 |
| ·引言 | 第9页 |
| ·语音合成技术 | 第9-11页 |
| ·文本分析 | 第10页 |
| ·韵律处理 | 第10-11页 |
| ·语音合成 | 第11页 |
| ·汉语语音合成中存在的问题 | 第11页 |
| ·汉语韵律结构介绍 | 第11-13页 |
| ·汉语韵律中的层级结构 | 第11-12页 |
| ·汉语韵律结构预测的意义 | 第12-13页 |
| ·本文研究的内容和意义 | 第13-14页 |
| ·论文的内容安排 | 第14-15页 |
| 第二章 汉语韵律短语预测方法综述 | 第15-18页 |
| ·基于手工规则预测方法 | 第15-16页 |
| ·手工规则方法的简介 | 第15页 |
| ·手工规则方法的缺陷 | 第15-16页 |
| ·基于机器学习的预测方法 | 第16-17页 |
| ·决策树模型 | 第16页 |
| ·转换规则学习 | 第16-17页 |
| ·隐马尔可夫模型 | 第17页 |
| ·其他方法成果 | 第17-18页 |
| 第三章 条件随机场模型 | 第18-31页 |
| ·机器学习和序列标注问题简介 | 第18-20页 |
| ·机器学习 | 第18-19页 |
| ·序列标注 | 第19-20页 |
| ·条件随机场模型的概念 | 第20-26页 |
| ·条件随机场的定义 | 第20-21页 |
| ·条件分布 | 第21页 |
| ·参数估计 | 第21-23页 |
| ·条件随机场模型中的GIS | 第23-24页 |
| ·优化的参数估计 | 第24-26页 |
| ·条件随机场模型的优点 | 第26-31页 |
| ·隐马尔可夫模型简介 | 第26页 |
| ·最大熵马尔可夫模型简介 | 第26-27页 |
| ·条件随机场模型的优点 | 第27-31页 |
| 第四章 基于互训练的汉语韵律短语预测 | 第31-50页 |
| ·汉语韵律短语预测的研究 | 第31-36页 |
| ·特征的选取 | 第31-35页 |
| ·语料库的选取 | 第35页 |
| ·测评标准 | 第35页 |
| ·CRFs的训练过程和测试过程 | 第35-36页 |
| ·半监督学习方法 | 第36-39页 |
| ·半监督学习方法概述 | 第36页 |
| ·自训练算法 | 第36-38页 |
| ·互训练算法 | 第38-39页 |
| ·基于互训练的汉语韵律短语预测 | 第39-43页 |
| ·算法的基本思想 | 第40-41页 |
| ·基于互训练的半监督算法 | 第41-43页 |
| ·实验结果分析及原型系统介绍 | 第43-50页 |
| ·相关实验 | 第43-47页 |
| ·系统设计与实现 | 第47-50页 |
| 第五章 总结与展望 | 第50-52页 |
| ·本文的主要工作 | 第50-51页 |
| ·今后研究方向 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 攻读硕士学位期间发表的论文 | 第55-56页 |
| 致谢 | 第56页 |
