用CART 模型指导TBL 算法预测语调短语
语调短语的自动预测是影响合成语音的可懂度和自然度的关键因素之一。本文提出了一种结合分类与回归树 （classification and regression tree，CART）和基于转换的错误驱动的学习（transformation-based error-driven learning， TBL）算法的混合算法，从无限制的文本中预测语调短语边界。该方法根据CART模型的指导，自动生成TBL算法的规则模板，从而减少了规则学习过程中的人工参与。实验结果表明：基于该混合算法的语调短语预测的F-score达70.0％。自动生成的TBL模板不仅能较好地替代手工模板，而且在与手工模板一起使用时，也能为其提供有益的补充。
语音合成 语调预测 CART模型 数理语言学
刘方舟 周游 陶建华
湖南师范大学 数学与计算机科学学院,长沙 410081 湖南财政经济学院 应用数学系,长沙 410205 中国科学院自动化研究所 模式识别国家重点实验室,北京 100190
国内会议
西安
中文
1-4
2011-10-16（万方平台首次上网日期，不代表论文的发表时间）