Большой словарь замен

Admin Сообщений : 616 Репутация : 208

Составители: retigor, evmir

Словарь замен для подготовки текста к чтению и записи в TTS-программах. Состоит из нескольких частей по 50000 правил в каждой.
Правила формировались по принципу шаблонных фраз. Точность фраз от 70 до 90%.
Принцип построения правил подразумевает активное использование Частотного лексикона; в Словарь внесены только редкие варианты омографов.

Пример:
Анализ показал, что слово зАмок встречается 411 раз, а замОк - 189; значит в Частотный лекс добавим транскрипцию замок #z A1 m @ k NOUN, а в Словарь пишем правила лишь с "замОк" + падежи и т.д.

Спецсортировка для удобства редактирования - она не влияет на быстродействие, точность и пр. В каждой программе TTS-синтеза реализован свой алгоритм замен.
Это тестовые файлы. В дальнейшем Словарь будет состоять из 30-50 (может больше) блоков наиболее популярных омографов по 5-10 тысяч правил\блок, 10 блоков\часть.

Отредактировано 05.03.14-22:03 - 1-я часть в архиве дополнена 10-ю тыс. правил с около 400 разными омографами.

... но почему не в *.rex? объем словаря был бы раз в десять или даже сто меньше... нет? или все дело в скорости обработки текста словарем? Suspect

V.I.P. Сообщений : 134 Репутация : 173

Цитата :: или все дело в скорости обработки текста словарем?

Да.
Раз в десять или даже сто быстрее.
Потому что в *.dic можно применить Хеш-таблицы при обработке.
+ Словари представленные в этом виде, как они есть, можно портировать в любой вид и для любого голоса.
P.S.
По такому принципу сделан словарь 0omograph1.vcb для Ольги.
Можно будет чего то позаимствовать и для Ольги, если evmir_troll-hunter будет не против. Rolling Eyes

Admin Сообщений : 616 Репутация : 208

Лёва пишет:: Можно будет чего то позаимствовать и для Ольги, если evmir_troll-hunter будет не против.

Заимствуйте. Словарь тестовый и будет основательно переделан. Позже...

Список с подсчётом частоты встречаемости наиболее "популярных" омографов:

Список не столь "популярных", но не менее важных омографов:

Все эти варианты омографов без капслоков добавлены в Частотный лексикон. Желающие могут отредактировать собственные словари замен в соответствии с вышеприведённым подсчётом. Т.е. удалить правила с частым вариантом того или иного омо, и оставить правила с более редким.
Это позволит оптимизировать словари и системные ресурсы комп. при подготовке больших текстов.

Примечание - 2-й список будет пополняться.