基于深度学习的汉语韵律短语识别.pdf

目 录 中 文 摘 要I ABSTRACT II 第一章 绪论 1 1.1 研究目的及意义 1 1.2 汉语韵律分析及韵律层级划分 1 1.3 国内外研究现状2 1.4 研究问题及内容4 1.5 论文组织结构5 第二章 相关知识7 2.1 词向量7 2.2 模型介绍8 2.2.1 Bi-LSTM 模型 8 2.2.2 Bi-GRU 模型 10 2.2.3 CRF 模型 11 2.3 句子间相似度计算方法 12 2.3.1 编辑距离计算 12 2.3.2 杰卡德系数计算 13 2.3.3 TF 计算 13 2.4 短语结构分析 13 第三章 基于文本的特征获取 15 3.1 词向量特征 15 3.2 句子相似度特征 15 3.3 短语结构特征 18 3.4 本章小结20 第四章 基于语音的特征获取2 1 4.1 无声段特征2 1 4.1.1 韵律边界处的语音无声段2 1 4.1.2 无声段特征的提取方法22 4.2 时长特征22 4.2.1 韵律边界处时长特征22 4.2.2 时长特征的获取方法23 4.3 文本和语音特征结合23 4.4 本章小结24 第五章 基于深度学习的韵律短语边界预测25 5.1 特征向量构建25 5.2 韵律边界预测模型26 5.3 实验语料及评价指标27 5.4 实验测试及结果分析27 5.4.1 模型特征与性能分析28 5.4.2 不同方法的对比29 5.5 本章小结29 第六章 基于深度学习的韵律短语边界预测系统30 6.1 系统处理流程30 6.2 系统功能模块30 6.3 开发语言31 6.4 系统具体实现31 6.5 本章小结42 第七章 总结与展望43 7.1 结论43 7.2 展望44 参考文献45 攻读学位期间取得的研究成果49 致谢51 个人简况及联系方式52 承诺书54 学位论文使用授权声明55 Contents Chinese Abstract I ABSTRACT II Chapter One Introduction 1 1.1 The aim and meaning of the research1 1.2 Analysis of Chinese prosody and division of prosody levels 1 1.3 Research status at home and abroad2 1.4 Research questions and content4 1.5 Paper organization5 Chapter 2 Introduction of Related Knowledge 7 2.1 Word vector 7 2.2 Related model introduction 8 2.2.1 Introduction to Bi-LSTM model 8 2.2.2 Introduction to Bi-GRU model 10 2