摘要：针对N-gram在音字转换中不易融合更多特征，本文提出了一种基于支持向量机（SVM）的音字转换模型，有效提供可以融合多种知识源的音字转换框架。同时，SVM优越的泛化能力减轻了传统模型易于过度拟合的问题，而通过软间隔分类又在一定程度上克服小样本中噪声问题。此外，本文利用粗糙集理论提取复杂特征以及长距离特征，并将其融合于SVM模型中，克服了传统模型难于实现远距离约束的问题。实验结果表明，基于SVM音字转换模型比传统采用绝对平滑算法的Trigram模型精度提高了1．2％；增加远距离特征的SVM模型精度提高1．6%。

原文链接:http://www.cqvip.com//QK/96983X/200702/23975912.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）