利用神经注意力模型联合学习字形到音素的对齐与转换
计算与语言
2016-10-21 v1 人工智能
摘要
我们提出了一种支持注意力的编码器-解码器模型，用于字形到音素转换问题。大多数先前的工作通过联合序列模型处理该问题，这些模型需要显式对齐来进行训练。相反，支持注意力的编码器-解码器模型允许联合学习将字符对齐并转换为音素。我们探索了不同类型的注意力模型，包括全局和局部注意力，并且我们的最佳模型在三个标准数据集（CMUDict、Pronlex 和 NetTalk）上取得了最先进的成果。
引用
@article{arxiv.1610.06540,
title = {Jointly Learning to Align and Convert Graphemes to Phonemes with Neural Attention Models},
author = {Shubham Toshniwal and Karen Livescu},
journal= {arXiv preprint arXiv:1610.06540},
year = {2016}
}
备注
Accepted in SLT 2016