Přejít k obsahu


Using the lemmatization technique for phonetic transcription in text-to-speech system

Citace: [] KANIS, J., MÜLLER, L. Using the lemmatization technique for phonetic transcription in text-to-speech system. In Text, speech and dialogue. Berlin: Springer, 2004. s. 355-361. ISBN: 3-540-23049-1
Druh: STAŤ VE SBORNÍKU
Jazyk publikace: eng
Anglický název: Using the lemmatization technique for phonetic transcription in text-to-speech system
Rok vydání: 2004
Místo konání: Berlin
Název zdroje: Springer
Autoři: Jakub Kanis , Luděk Müller
Abstrakt CZ: Tento článek se zabývá technikou lemmatizace a jejím využitím pro fonetickou transkripci slov, jež jsou výjimkami z pravidelné fonetické transkripce. Lemmatizátor je založen na morfologii jazyka a používá slovník základních tvarů a množinu inverzních derivačních pravidel k nalezení lemmatizačních pravidel, která jsou nezbytná pro hledání základních tvarů slov. Dále je v článku popsán algoritmus lemmatizace a jeho nutné modifikace pro zajištění fonetické transkripce výjimek. Hlavním cílem navrženého systému je úspora paměti při uložení slovníku výjimek. Výsledky experimentů ukazují, že lze uspořit 18,3 % (Angličtina) až 98,4 % (Finština) velikosti plného slovníku výjimek. Navržená technika tedy může být s výhodou použita pro vysoce flexivní a aglutinační jazyky.
Abstrakt EN: This paper deals with a lemmatization technique and its using for phonetic transcription of exceptional words. The lemmatizer is based on language morphology and uses a lexicon of basic word forms and a set of inversion derivation rules to acquire lemmatization rules, which are essential for finding word bases. The lemmatization algorithm and its necessary modifications for transcription of exceptional words are described. The main goal of the designed system is to save computer memory for exceptional lexicon storing. The experimental results showed that it is possible to save from 18.3 % (English) to 98.4 % (Finnish) of the full lexicon size. Hence, the described technique can be applied with advantage for high inflectional and agglutinative languages.
Klíčová slova

Zpět

Patička