机器学习挑战:学习英语发音

Question

假设您想要接受如下所示的CMU's phonetic data set输入：

ABERRATION  AE2 B ER0 EY1 SH AH0 N
ABERRATIONAL  AE2 B ER0 EY1 SH AH0 N AH0 L
ABERRATIONS  AE2 B ER0 EY1 SH AH0 N Z
ABERT  AE1 B ER0 T
ABET  AH0 B EH1 T
ABETTED  AH0 B EH1 T IH0 D
ABETTING  AH0 B EH1 T IH0 NG
ABEX  EY1 B EH0 K S
ABEYANCE  AH0 B EY1 AH0 N S

(单词在左边，右边是一系列音素，key here)

你想用它作为机器学习系统的训练数据，机器学习系统将接受新单词并猜测它们在英语中的发音。

这对我来说不是那么明显，至少因为没有一个固定的字母标记大小，这可能会映射到一个音素。我有一种感觉，与马尔可夫链有关的东西可能是正确的方法。

你会怎么做呢？

Answer 1

这个问题被称为字素到音素的转换，是Natural Language Processing的一个子问题。谷歌brings up几篇论文。

Answer 2

不完全是我的领域，但也许可以构建一个具有几层的神经网络-前面的层猜测单词的连续音节，后面的层猜测所述音节的发音。

对于数字数据，建立ANFIS学习神经网络相当简单，对于文字/语音数据，任务无疑要复杂几个数量级。