TAILIEUCHUNG - Báo cáo khoa học: "Joint Processing and Discriminative Training for Letter-to-Phoneme Conversion"

We present a discriminative structureprediction model for the letter-to-phoneme task, a crucial step in text-to-speech processing. Our method encompasses three tasks that have been previously handled separately: input segmentation, phoneme prediction, and sequence modeling. The key idea is online discriminative training, which updates parameters according to a comparison of the current system output to the desired output, allowing us to train all of our components together. | Joint Processing and Discriminative Training for Letter-to-Phoneme Conversion Sittichai Jiampojamarn Colin Cherry Grzegorz Kondrak tDepartment of Computing Science University of Alberta Edmonton AB T6G 2E8 Canada sj kondrak @ ÍMicrosoft Research One Microsoft Way Redmond WA 98052 colinc@ Abstract We present a discriminative structureprediction model for the letter-to-phoneme task a crucial step in text-to-speech processing. Our method encompasses three tasks that have been previously handled separately input segmentation phoneme prediction and sequence modeling. The key idea is online discriminative training which updates parameters according to a comparison of the current system output to the desired output allowing us to train all of our components together. By folding the three steps of a pipeline approach into a unified dynamic programming framework we are able to achieve substantial performance gains. Our results surpass the current state-of-the-art on six publicly available data sets representing four different languages. 1 Introduction Letter-to-phoneme L2P conversion is the task of predicting the pronunciation of a word represented as a sequence of phonemes from its orthographic form represented as a sequence of letters. The L2P task plays a crucial role in speech synthesis systems Schroeter et al. 2002 and is an important part of other applications including spelling correction Toutanova and Moore 2001 and speech-to-speech machine translation Engelbrecht and Schultz 2005 . Converting a word into its phoneme representation is not a trivial task. Dictionary-based approaches cannot achieve this goal reliably due to unseen words and proper names. Furthermore the construction of even a modestly-sized pronunciation dictionary requires substantial human effort for each new language. Effective rule-based approaches can be designed for some languages such as Spanish. However Kominek and Black 2006 show that in languages with a less .

• Báo cáo khoa học
• Joint Processing
• Discriminative Training
• Letter to Phoneme Conversion
• báo cáo khoa học
• báo cáo ngôn ngữ
• xử lý ngôn ngữ tự nhiên
• Bài giảng Xử lý ngôn ngữ tự nhiên
• Natural language processing
• Phân tích vai nghĩa
• Gán nhãn vai trò ngữ nghĩa
• Phương pháp luận đối với xây dựng FrameNet
• Mô hình Joint Scoring
• BMC Bioinformatics
• Adaptive histogram equalization
• Multilevel thresholding
• Nonlinear diffusion
• Pre processing
• Two dimensional gel electrophoresis
• báo cáo hóa học
• công trình nghiên cứu về hóa học
• tài liệu về hóa học
• cách trình bày báo cáo
• Báo cáo sinh học hay
• báo cáo sinh học
• công trình nghiên cứu sinh học
• tài liệu về sinh học
• Ngôn ngữ tự nhiên
• Kỹ thuật lập trình
• Xử lý nhập nhằng ngữ nghĩa
• Xử lý ngữ nghĩa
• Xử lý ngôn ngữ
• Ngôn ngữ lập trình
• Nhập nhằng cấu trúc
• Tri thức về ngôn ngữ
• Mô hình ngôn ngữ
• Mô hình n gram
• Dịch máy
• Phương pháp dịch máy
• Hiểu ngôn ngữ
• Phân tích ngữ nghĩa
• Phân loại tin tự động
• Biểu diễn vị từ
• Thuộc tính về sự kiện
• Thuộc tính về sự kiện
• Mô hình ngôn ngữ Google Book N grams
• Mô hình ngôn ngữ KenLM
• Phương pháp làm mịn
• Tách từ tiếng Việt
• Gán nhãn từ loại
• Phân tích cú pháp
• Nghĩa từ vựng
• Phân giải nhập nhằng từ
• Phân loại văn bản
• Lexical chain
• Phản hồi thông tin
• Bài toán PTCP
• Cấu trúc ngữ pháp
• Phân tích cú pháp xác suất
• CKY kết hợp xác suất
• Văn phạm phi ngữ cảnh xác suất
• Hình thái học