多维关联规则在汉语韵律模型研究中的运用

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (34): 223-225.

多维关联规则在汉语韵律模型研究中的运用

赵欢¹,谭华²

1.湖南大学计算机与通信学院，长沙 410082
2.湖南大学工商管理学院，长沙 410082

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-12-01 发布日期:2007-12-01
通讯作者: 赵欢

Application of research on Chinese prosodic model base on multi-association rule

ZHAO Huan¹,TAN Hua²

1.School of Computer and Communication，Hunan University，Changsha 410082，China
2.Management School，Hunan University，Changsha 410082，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-12-01 Published:2007-12-01
Contact: ZHAO Huan

摘要/Abstract

摘要： 汉语韵律特征受语境参数影响时受前后音节的影响较大，利用数据挖掘中的多维关联规则方法处理汉语韵律问题，得出研究者感兴趣的有用规则，然后利用神经网络方法分析输出更为准确的韵律参数，构建语音合成系统的韵律模型。将构建的韵律模型在软件平台上进行模拟实验，实验证明，该模型能满足语音合成系统的要求。

关键词: 语音合成, 数据挖掘, 多维关联规则, 神经网络

Abstract: Chinese prosody is characterized by its hierarchical structure when influenced by linguistic environments.Base on this，can apply association rules to deal with Chinese prosodic problem，obtain more interested rules that investigators want，then apply network model to analysis and output more efficient prosodic parameter.In the end，can construct the Chinese prosodic model better than ever.Put the prosodic model into software to emulate.The emulator output improves the model can meet the requirement of the speech system.

Key words: speech analysis, data mining, multi-association rule, neural network

赵欢¹,谭华². 多维关联规则在汉语韵律模型研究中的运用[J]. 计算机工程与应用, 2007, 43(34): 223-225.

ZHAO Huan¹,TAN Hua². Application of research on Chinese prosodic model base on multi-association rule[J]. Computer Engineering and Applications, 2007, 43(34): 223-225.

[1]	许昊，张凯，田英杰，种法广，王子超. 深度神经网络图像描述综述[J]. 计算机工程与应用, 2021, 57(9): 9-22.
[2]	冉蓉，徐兴华，邱少华，崔小鹏，欧阳斌. 基于深度卷积神经网络的裂纹检测方法综述[J]. 计算机工程与应用, 2021, 57(9): 23-35.
[3]	张小峰，谢钧，罗健欣，杨涛. 深度学习语音合成技术综述[J]. 计算机工程与应用, 2021, 57(9): 50-59.
[4]	牟清萍，张莹，张东波，王新杰，杨知桥. 目标丢失判别机制的视觉跟踪算法及应用研究[J]. 计算机工程与应用, 2021, 57(9): 140-147.
[5]	包志强，邢瑜，吕少卿，黄琼丹. 改进YOLO V2的6D目标姿态估计算法[J]. 计算机工程与应用, 2021, 57(9): 148-153.
[6]	王林，柴江云. 深度神经网络在多场景车辆属性识别中的研究[J]. 计算机工程与应用, 2021, 57(9): 162-167.
[7]	赵志焱，杨华，胡志伟，宇海萍. 基于TACNN的玉露香梨叶虫害识别[J]. 计算机工程与应用, 2021, 57(9): 176-181.
[8]	周伦钢，孙怡峰，王坤，吴疆，黄维贵，李炳龙. 目标多种多值属性的端端快速识别网络[J]. 计算机工程与应用, 2021, 57(9): 182-190.
[9]	张成，戴俊峰，熊闻心. 融合LeNet-5改进的扫描文档手写日期识别[J]. 计算机工程与应用, 2021, 57(9): 207-211.
[10]	麻哲旭，杨峰，乔旭. 铁路路基病害智能检测方法[J]. 计算机工程与应用, 2021, 57(9): 272-278.
[11]	蒋斌，钟瑞，张秋闻，张焕龙. 采用深度学习方法的非正面表情识别综述[J]. 计算机工程与应用, 2021, 57(8): 48-61.
[12]	李震霄，孙伟，刘明明，郑丽丽，陈劭颖. 交通监控场景中的车辆检测与跟踪算法研究[J]. 计算机工程与应用, 2021, 57(8): 103-111.
[13]	张越，黄友锐，刘鹏坤. 引入注意力机制的多分辨率人体姿态估计研究[J]. 计算机工程与应用, 2021, 57(8): 126-132.
[14]	李现国，冯欣欣，李建雄. 多尺度残差网络的单幅图像超分辨率重建[J]. 计算机工程与应用, 2021, 57(7): 215-221.
[15]	翟正利，李鹏辉，冯舒. 图对抗攻击研究综述[J]. 计算机工程与应用, 2021, 57(7): 14-21.