段 青 青

(中国石油大学(华东)计算机科学与技术学院 山东 青岛 266500)

0 引 言

英语作为一种信息交流的载体，在国家之间的交流学习中具有非常重要的作用，为了更好适应时代的发展需求，提高自身英语水平，快速掌握发音规则成为高效学习英语的一个突破口[1]。然而英语中吸收了大量的外族语言，并以大胆的观念与灵活的方式借用或创造新词，导致英语发音规则出现多样性和混沌性的特征，复杂的发音模式成为英语学习者学习英语的一大障碍。

针对上述问题，多位学者进行了相关研究：Chiappe等[2]研究发现形音匹配(Grapheme-phoneme correspondence)在英语学习中可起到积极作用，所谓形音匹配，它的核心是字素-音素转换(Grapheme-to-phoneme, G2P)过程，相对于其他学习方式，其在阅读和拼读陌生单词方面表现出更大的优势；Hanna等[3]统计了10 000个高频单词的字素-音素特征，并根据特征重复概率为单词列表建立难度指数，通过直接向学习者提供形音匹配模式和难度指数来指导其对单词的拼读学习。近年来，随着计算机自然语言处理技术的发展，形音匹配模式的量化统计早已通过计算机实现。G2P技术在机器音译[4]和文字发音预测中表现出极大优势，从而得以广泛应用。例如：百度基于G2P研发的文本语音转换(Test To Speech, TTS)系统Deep Voice[5]，相比于传统的多级处理模式，具有处理速度快、音素预测准确、音域适应性强等优点。文献[5]研究表明由于字素和音素的基数相对较小，在发音预测工作中，具有对齐信息的双向神经网络模型对G2P有更好的适应性，该模型的发音预测准确率高达94%，较传统方式有所提升。……