区分性模型在英语自动发音评测中的应用

为了改善英语自动发音评测中所使用的声学模型,提高评测的准确性,分别采用区分性训练中的最大互信息(MMI)和最小音素错误(MPE)算法训练出隐含Markov声学模型,并采用最大似然线性回归(MLLR)对模型进行非母语说话人的口音自适应,最后应用到英语自动发音评测系统中。实验结果表明:分别对MMI和MPE方法训练所得模型作自适应后的机器总分与人工评分之间的相关度在说话人层次上分别提高了3.3%和5.2%,证明了在英语发音评价中区分性模型的实用性和有效性。

普通话水平测试命题说话模块自动评分技术研究

命题说话是至今唯一采用人工方式评分的普通话水平测试考题,实现高精度命题说话评测技术有利于国家通用语言文字的推广普及。该文提出了基于回归模型的PSC命题说话模块评分模型,并在自建的PSC命题说话数据集上对比了基于不同回归模型的预测精度。实验结果表明,基于XGBoost的PSC命题说话模块评分模型在测试集上与综合专家评分的皮尔逊相关系数达到了0.860,相比线性回归模型提升了17.5%,与人工专家评分具有较高的相关度,具有一定的实用价值。

基于多语种信息技术的汉语学习辅助系统

介绍新疆地区汉语学习的现状和开发面向新疆地区的计算机辅助汉语学习系统的必要性。提出需要解决的问题和目标,描述发音评测、动态翻译等多语种关键技术的实现原理和步骤。应用关键技术实现多语言版本的汉语学习辅助系统,可以有效地辅助汉语学习,但尚需进一步完善。该系统有利于新疆地区的双语教学和普通话普及,具有一定的推广意义。