Jürgen Dick - Lehrstuhl Algorithmen & Datenstrukturen, Institut für ...

5.3. EMPHASIS-DETECTION-BASIERTE SEGMENTIERUNG 103
oder vom Teleprompter abzulesen. Diese Möglichkeit hat der Dozent einer Vorlesung nicht; ein
vorgelesener Vortrag ist auch nicht erwünscht, der Dozent sollte bei seinem Vortrag frei sprechen.
Zudem spricht der Dozent vor einer Reihe von Zuhörern, die unter Umständen zu Störungen
führen können. Eine 90-minütige Vorlesung auf dem sprachlichen Niveau einer Nachrichtensendung
zu halten ist demnach ungleich schwerer, wenn nicht gar unmöglich.
Ein weiterer Grund für die schlechten Werte ist, daß Topic Beginnings von den Sprechern gar
nicht so deutlich betont werden, wie man es sich wünschen würde. Interessant ist in diesem
Zusammenhang folgendes: Hört man sich die Vorträge diesbezüglich etwas genauer an, so ist
die erste (subjektive) Vermutung, daß der Vortrag 2 besonders schlecht abschneiden müßte. Dies
spiegelt sich aber nicht in den Werten wieder. Scheinbar läßt man sich beim Abhören der Sprachdateien
der Vorträge 1,3 und 4 vom Anstieg der Lautstärke an manchen Stellen beeinflussen.
Der Algorithmus berücksichtigt Lautstärke aber nicht. Dies legt natürlich die Vermutung nahe,
die Einbeziehung dieses Features in den Algorithmus würde eventuell zu wesentlich besseren
Ergebnissen führen. Eine einfache Verknüpfung der Features Betonung und Lautstärke ergab
bei einem kurzen Test jedoch keine nennenswerten Verbesserungen. Außerdem setzen die Betonungen
nicht unbedingt direkt am Anfang eines Satzes (während der ersten beiden Sekunden)
ein. Nach der obigen Definition von Hits und False Alarms ist dieser Fall nicht vom Algorithmus
zu entdecken. Eine Verlängerung der Fensterlänge ¨ würde aber die im Abschnitt 5.1
angeführten Probleme nach sich ziehen.
Fazit
Wie bei der pausenbasierten Segmentierung gilt auch hier, daß dieses Verfahren nicht zu zufriedenstellenden
Ergebnissen führt. Die geringe Präzision bei der Erkennung von Topic
Beginnings macht das Verfahren in dieser Form, für diesen Zweck und insbesondere für die
untersuchte Klasse von Sprachdateien unbrauchbar. Auch zu diesem Segmentierungsverfahren
wurde ein Vergleichstest, der auf Radio-Nachrichtensendungen basiert, angestellt. Die Ergebnisse
finden sich in Anhang B. Es ist klar ersichtlich, daß das Segmentierungsverfahren auf dieser
Klasse von Sprachdateien eine wesentlich bessere Genauigkeit liefert.