基于深度神经网络的韵律结构预测研究

《基于深度神经网络的韵律结构预测研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代码：１０００４密级？公开恥赠ｍＢＥＩＪＩＮＧＪＩＡＯＴＯＮＧＵＮＩＶＥＲＳＩＴＹ嗎硕：ｔ学位论文３酔遞基于深度神经网络的韵律结构预测研究Ｊ－靡学科专业模式识别与智能系统指导教师朱维彬副教授￣＾培养院系计算机与信息技术学院３Ｍｊ＾ｊＭｍＭ如元Ｉ乂＃Ｉ硕±学位论文基于深度神经网络的韵律结构预测研究民ｅｓｅａｒｃｈｏｎＰｒｏｓｏｄｉｃＳｔｍｃｌｉｉｒｅＰｒｅｄｉｃｔｉｏｎＢａｓｅｄｏｎＤｅｅＮｅｕｒａｌＮｅｔｗｏｒｋｐ作者：王埼导师：朱维

2、彬北京交通大学２０１６年４月学位论文版权使用授权书本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特授权北京交通大学可Ｗ将学位论文的全部或部分内容编入有关数据库进行检索，提供阅览服务，并采用影印、缩印或扫描等复制手段保存、汇编Ｗ供查阅和借阅。同意学校向国家有关部口或机构送交论文的复印件和磁藍。学校可Ｗ为存在馆际合作关系的兄弟高校用户提供文献传递服务和交换服务。（保密的学位论文在解密后适用本授权说明）学位论文作者签名；导师签备签字日期：月作日签字日期：义之年＾月日１学校代码

3、：０００４密级：公开北京交通大学硕±学位论文，基于深度神经网络的韵律结构预测研巧民ｅｓｅａｒｃｈｏｎＰｒｏｓｏｄｉｃＳｔｘｕｄｕｒｅＰｒｅｄｉｃｔｉｏｎＢａｓｅｄｏｎＤｅｅＮｅｉｗａｌＮｅｔｗｏｒｋｐ：王埼学号作者姓名：１３１２０３巧：导师姓名朱维彬职称：副教授学位类别；王学学位级别：硕女学科专业：模式识别与智能系统研究方向：自然语言处理北京交通大学２０１６年４月ｉ致谢在北京交通大学就读硕±研究生的两年多来，我收获了很多，不仅学习了科学知识，还在老

4、师们严谨的治学态度和科研作风中受益匪浅，在论文完成之际我要向我的导师、同学和家人致Ｗ深深的谢意。本论文的工作是在我的导师朱维彬副教授的悉也指导下完成的，朱维彬老师严谨的治学态度给了我极大的帮助和影响。他不仅在学术研究上给予了我很多启发一，还为我之后的工作和学习提出了很多宝贵的意见，更为我进步深造学习提供了很多建议和帮助。我很荣幸能够成为朱维彬老师的学生，正是在朱老师的指导下，我才能在科研路上走的更远，在此向朱维彬老师表示衷也的感谢。在两年多的研究生学习期间，高董堇、张德良、冯星辰、张慧委等同学对我给予了热情

5、帮助，正是有了他们和１３级信息所班的各位同学，我的研究生生活才能如此充实和多彩。在这两年多中，我在他们的帮助下进步和成长，我的科研能力有了很大的提高，在此向他们表达我的感激之情。我还要感谢我的家人，是他们在我的学习和生活上给予了无私的帮助，正是有他们的支持，，我才能有勇气继续我的工作和学习，是他们给了我坚定的信。和坚实的后盾，非常感谢他们的理解和支持。最后，感谢北京交通大学的各位老师们，感谢你们两年多来的传道授业解惑，感谢你们对我的帮助和指导。北京交通大学硕±学位论文摘要摘要汉语韵律预测对合成语音

6、的自然度起着重要作用，本文的研究重点是如何提高韵律层级结构的预测准确率。Ｗ往基于统计的韵律结构预测模型，在输入特征的选取中往往使用ＰＯＳ（ＰａｒｔｏｆＳｐｅｅ化）词性特征，ＰＯＳ特征为浅层信息，无法＂，且选取的特征因为词与词之间缺乏关联利用词语的语义信息，往往会形成词＂一，导致即使同义词也无法表现出相应的关联性汇鸿沟现象。因此，需要使巧种能体现词语关联性的表达方式作为模型的输入特征。在模型选择上，隐马尔科夫模型、决策树模型虽然在韵律结构预测中取得了成功，但会产生适用范围窄、一过拟合等问题，。随着数据复杂性

7、越来越大需要使用种对数据建模能力更强的模型方法，，而深度神经网络对复杂数据有很好的建模能力。因此本文围绕Ｗ词向量为输入特征的基于深度神经网络模型的韵律结构预测模型展开研究。一本文方面对词向量进行训练，由词向量构建韵律词向量，采用复合向量作一为模型的输入方面，，；另对传统神经网络模型进行了改进使神经网络的隐藏层能更好的捕捉词与词之间的交互联系。主要工作包括：（１）配置Ｇｅｎｓｉｍ词向量训练模块，通过Ｇｅｎｓｉｍ模块训练词向量，利用训练后的词向量学习韵律词向量，通过不同层级的向量来抓取上下文中的韵律层级信息；

8、（２）利用韵律层级标注数据训练神经网络模型，使用词典词向量、韵律词向、量前词韵律层级向量和当前词的词长向量作夫瑜入特征，通过在模型的输入层使用复合输入特征来提高模型的预测能力；（