GlobalPhone Bulgarian Pronunciation Dictionary 260k entries (extended version)

View resource name in all available languages

Dictionnaire de prononciation GlobalPhone bulgare 260k entrées (version étendue)

Bulgarian-Dict260k

ID:

ELRA-S0388

This extended version of the Bulgarian Pronunciation Dictionary called Bulgarian-Dict260k contains pronunciations of more than 260,000 word forms. The dictionary matches in phone set and format the original GlobalPhone Bulgarian Pronunciation Dictionary (see ELRA-S0351) of 20,000 word forms. Bulgarian-Dict260k was built based on the extension of the Bulgarian GlobalPhone text database to improve language modeling and to reduce the high Out-Of-Vocabulary rate resulting from the rich morphology of the Bulgarian language. For this purpose, roughly 9 Million word tokens were collected from the internet sources of national, international, and economic news available from the online newspapers "Banker" (http://www.banker.bg/), "Kesh" (http://www.cash.bg), and “Sega" (http://www.segabg.com/). After text cleaning and normalization, all word forms were extracted. Pronunciations were created in an automatic process using hand-crafted grapheme-to-phoneme rules. The generated pronunciations were manually cross-checked by native speakers, correcting potential errors of the automatic generation.

View resource description in all available languages

Cette version étendue du dictionnaire de prononciation bulgare, nommée “Bulgarian-Dict260k” comprend la prononciation de plus de 260,000 formes de mots. Le dictionnaire est conforme à l’ensemble de phones et au format du Dictionnaire de prononciation GlobalPhone bulgare original (voir ELRA-S0351) de 20,000 formes de mots. Bulgarian-Dict260k a été conçu sur la base d’une extension de la base de données textuelle de GlobalPhone bulgare afin d’améliorer la modélisation de la langue et de réduire le taux élevé “hors-vocabulaire” dû à la riche morphologie de la langue bulgare. Dans cet objectif, environ 9 millions de tokens ont été collectés à partir de sources internet d’actualités nationales, internationales et économiques des journaux en ligne "Banker" (http://www.banker.bg/), "Kesh" (http://www.cash.bg), et “Sega" (http://www.segabg.com/). Toutes les formes de mots ont été extraites après le nettoyage et la normalisation du texte. La prononciation a été créée selon un processus automatique au moyen de règles graphèmes-phonèmes manuscrites. La prononciation générée a été vérifiée par des locuteurs natifs, qui ont corrigé les erreurs potentielles provenant de la génération automatique.

You don’t have the permission to edit this resource.
People who looked at this resource also viewed the following: