统计语言模型及汉语音字转换的一些新结果

摘要

汉语音字转换是一个重要而困难的问题。语料库语言学为我们提供了新思路。作者们通过建立统计语言模型,将基于语料库的方法与传统的基于规则的方法结合,研制了THED新一代音字转换系统。该系统对随机抽取的新华社新闻语料有不低于95％的带调音节和国标汉字的转换正确率。本文侧重报道该系统在汉语音字转换方面及与此相关的汉语切词和词性标注方面的一些实验结果,也简要介绍该系统在语料库应用方面的一些思路。