汪丹丹

(安徽城市管理職業(yè)學院 信息工程系，合肥 230011)

語音合成技術(shù)作為人工智能技術(shù)的典型代表，現(xiàn)已廣泛應用于生活的各個領(lǐng)域.韻律短語邊界預測作為語音合成系統(tǒng)文本分析前端的核心模塊，關(guān)系著語音合成系統(tǒng)的效果和體驗.

現(xiàn)階段，英文韻律層次的劃分一般采用ToBI標準[1-2]，分別記音素間的間隔為LP邊界、單字詞間的間隔為L0邊界、隱詞組間的間隔為L1邊界、次詞組間的間隔為L2邊界、主詞組間的間隔為L3邊界、子句間的間隔為L4邊界，以及句子間的間隔為L5邊界，共七個層次.超音段特征會隨著韻律層次的不同而有所區(qū)別，主要體現(xiàn)在三個方面：一是停頓時間；二是層次后邊界音節(jié)的時長變化；三是層次后邊界音節(jié)的調(diào)域和均值的變化.考慮到L2和L3在這三方面的表現(xiàn)比較相近，標注人員很難根據(jù)聽感人工精確標注出來，因此，在人工標注階段、訓練階段和預測階段，通常都將L2記為L3，不作區(qū)分.

L3邊界預測方法是以決策樹為基礎(chǔ)的預測方法，但這種方法有自身局限性，其訓練數(shù)據(jù)的均衡性以及決策算法本身無法達到全局最優(yōu).為了改善預測效果，本文在傳統(tǒng)的決策樹方法之上，將決策樹使用的聚類屬性與模糊決策相結(jié)合，提出通過多屬性模糊決策方法，來預測英文L3邊界.

模糊決策是以模糊集合論為基礎(chǔ)，融合了決策理論，重點處理模糊現(xiàn)象[3].本文以模糊決策方法為基礎(chǔ)，采用多屬性模糊決策方法成功地解決了L3邊界預測問題.實驗表明，使用這種方法的L3邊界預測效果比基于決策樹的預測方法的效果有較大提升，F(xiàn)-Score由64.4%提升到69.3%，不可接受率也從28.6%降低到21.4%.

1 傳統(tǒng)的基于C4.5決策樹的L3邊界預測方法

英文語音合成系統(tǒng)的文本分析前端一般包括詞典詞和非詞典詞的預處理、L1邊界劃分、L3邊界預測、L4語調(diào)預測等.L3邊界預測是在L1邊界劃分基礎(chǔ)上，通過判斷各個L1邊界是不是L3邊界來進行分類.這是比較典型的分類問題，所以通常L3邊界預測都是采用傳統(tǒng)而有效的決策樹的方法來實現(xiàn).

決策樹的具體實現(xiàn)方法有很多，其中C4.5決策樹采用ID3算法作為核心算法，通過數(shù)據(jù)屬性從大規(guī)模的數(shù)據(jù)中挖掘規(guī)律，規(guī)律則以C4.5決策樹的形式來表示.本文基線系統(tǒng)即是采用此方法搭建的[4]，其輸出屬性為{PL1，PL3}，輸入屬性為：

(1)前前詞的詞頻，前詞的詞頻，當前詞的詞頻，后詞的詞頻，后后詞的詞頻；

(2)前前詞的詞類，前詞的詞類，當前詞的詞類，后詞的詞類，后后詞的詞類；

(3)前前詞含有的L0數(shù)目，前詞含有的L0數(shù)目，當前詞含有的L0數(shù)目，后詞含有的L0數(shù)目，后后詞含有的L0數(shù)目；

(4)前前一個L1的長度(指L1中含有的單詞數(shù))，前一個L1的長度，當前L1的長度，后一個L1的長度，后后一個L1的長度.

根據(jù)PL1和PL3的大小即可判斷該L1邊界是不是L3邊界.

2 基于多屬性模糊決策的預測方法

傳統(tǒng)的基于決策樹的預測方法屬于數(shù)據(jù)驅(qū)動方法，人工只能在屬性篩選環(huán)節(jié)進行干預，難以使用專家經(jīng)驗.因此，本文在使用基線系統(tǒng)屬性的基礎(chǔ)上，提出多屬性模糊決策的方法，通過三角模糊數(shù)理論[5-6]對模糊語言型的屬性值賦值，決策者只需以模糊語言形式提供較少信息，系統(tǒng)就能輸出更為合理的結(jié)果.

2.1 三角模糊數(shù)

(1)

式中，μ(x)表示元素x屬于a∧的真實程度，當aL=aM=aU時，則三角模糊數(shù)a∧蛻化為一實數(shù).

2.2 多屬性決策

多屬性決策是在獲取到相關(guān)一組可能的決策結(jié)果后，對這組結(jié)果進行擇優(yōu)排序[7-8].多屬性決策可以使用不同的算子來實現(xiàn)，本文使用了OWGA算子[9]：

(2)

(2)對各L1邊界的決策結(jié)果xi(i∈N)進行歸納匯總，并通過OWGA算子計算其多屬性決策值zi(w)：

(3)

(4)對各L1邊界的多屬性決策值zi(w)進行排序，選出最優(yōu)解對應的L3邊界劃分結(jié)果.

3 實驗

3.1 標注數(shù)據(jù)庫

基于中國日報(China Daily)近三年的新聞?wù)Z料，本文建立了一個包含11 027句英文句子的L3標注數(shù)據(jù)庫.其中，L3邊界共有29 177個，L1邊界共有50 269個.

在此基礎(chǔ)上，本文將標注數(shù)據(jù)庫分為了兩部分，一部分用于訓練，占總數(shù)據(jù)的絕大部分，共10 027句；剩余部分用于測試，約占總數(shù)據(jù)的十分之一，共1 000句.測試數(shù)據(jù)又隨機地分為了兩半，一半用于客觀測試，另一半用于主觀測試，各500句.

針對客觀測試，本文選用了F-Score作為評價指標：

(4)

而針對主觀測試，本文選用不可接受率作為評價指標，即選取了三名英語專業(yè)八級水平的實驗員對L3邊界的預測結(jié)果進行判斷，確定可接受還是不可接受.

3.2 實驗結(jié)果

通過對比測試發(fā)現(xiàn)，使用多屬性模糊決策的新系統(tǒng)相對基線系統(tǒng)而言，在500句客觀測試集上的F-Score由64.4%提升到69.3%，其中召回率得到了較為有效的提升，由63.6%提升到70.9%，由此可以判斷新系統(tǒng)預測出了更多的合理的L3邊界劃分結(jié)果.

另外，主觀測試方面，新系統(tǒng)與基線系統(tǒng)相比，不可接受率從28.6%降低到了21.4%(見表1).這也在一定程度上說明了多屬性模糊決策的L3邊界決策結(jié)果更為合理.

表1 實驗結(jié)果

4 結(jié)語

本文在英文L3邊界預測中，將決策樹使用的聚類屬性與模糊決策相結(jié)合，提出通過多屬性模糊決策方法來預測英文韻律短語邊界.與基于決策樹的預測方法相比，F(xiàn)-Score由64.4%提升到69.3%，不可接受率也從28.6%降低到21.4%，基于目前的標注集與測試集，該方法在一定程度上具有有效性.

但考慮到很多句子(特別是單詞數(shù)較大的句子)L3邊界的答案是多樣化的，因此F-Score不能完全客觀的體現(xiàn)不同方法的性能，重點還是要看主觀測試指標不可接受率，后續(xù)可以考慮一些工程化的手段來改善系統(tǒng)的不可接受率，比如適當降低常用短語內(nèi)部邊界是L3邊界的概率等.