15、口语语言个性转换技术解读

口语语言个性转换技术解读

1. 语言模型生成

在口语语言个性转换中，首先需要生成语言模型 (P(W))，其计算公式为 (P(W) = \lambda P_t(W) + (1 - \lambda) P_g(W))。这里，我们通过计算 (\lambda) 来生成 (P(W))，目的是在使用目标说话者数据创建的保留开发集上实现最大的语言模型概率。虽然这个框架具有灵活性，我们本可以添加考虑说话者个性的额外语言模型，但为了简化，仅使用通用领域模型和目标说话者个性模型这两个模型。

2. 翻译模型构建

在语言模型中对个性进行建模后，接下来要创建翻译模型 (P(V|W))，该模型用于表达改变话语风格但不改变语义内容的可能转换。由于收集源说话者和目标说话者具有相同含义的句子语料并非易事，所以我们需在不依赖平行语料的情况下创建此模型。本文通过使用释义技术来构建翻译模型，主要关注以下几种方法：

2.1 使用词库的翻译模型

词库是指定同义词组的语言资源，能可靠地找到语义合理的转换。自然语言处理社区中最广泛使用的词库是 Wordnet，在目标语言日语中对应的是 Japanese Wordnet。使用词库构建翻译模型的步骤如下：
1. 对于输入中的每个单词，以该单词为查询词搜索 WordNet。
2. 找到该单词后，使用同义词集从 WordNet 获取所有同义词。
3. 计算所有单词的翻译模型概率并存储在翻译模型中。

以下是使用词库获取的翻译模型示例：
| 源词 | 目标词 | 翻译模型概率 |
| — | — | — |
| カメラ(camera) | カメラ(camera) |