中文新闻广播故事自动分割技术研究

故事自动化分割是实现新闻广播检索技术的先决条件。本项目旨在突破现有研究照搬英文方法的局限，探索更加适合中文新闻广播故事自动分割的新思想和新途径。首先，考虑汉字声调现象对基频等韵律特征的影响，提出声调归一化的中文韵律特征。利用中文组词灵活、分词多样和同音异形字众多的特点，提出在子词单元（汉字、音节）上进行词汇黏合关系度量的方法。其次，为缓解语音识别错误对故事分割正确性的影响，提出在语音识别网格上进行黏合关系测量的方法，从多个识别结果候选中修补由于识别错误而破损的词汇黏合关系。最后，针对固定信赖度不能反映各信息源对融合贡献不断变化的问题，提出采用分类器后验概率熵倒数作为信息源动态信赖度指标，对各信息源（声学信息、词汇信息）进行动态融合的新闻分割方法，既避免了固定信赖度对数据的过度依赖，又反映了各信息源的信赖程度随时间不断变化的事实。通过本项目的研究，提高中文新闻广播故事分割的自动化水平和性能。