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

Kapitel 6
Zusammenfassung und Ausblick
Erklärtes Ziel dieser Arbeit war die Evaluation zweier Segmentierungsverfahren hinsichtlich
ihrer Nutzbarkeit für die automatische Segmentierung vorhandener sowie zukünftiger Vorlesungsaufzeichnungen.
Die untersuchten Verfahren wurden ausgewählt, weil sie nicht auf statistischen
Modellen beruhen, welche beispielsweise durch neuronale Netze oder Hidden-Markov-Modelle
realisiert werden können. Segmentierungsverfahren, die auf solchen Modellen beruhen,
haben den entscheidenden Nachteil, daß sie trainiert werden müssen. Dazu muß zunächst
eine große Menge von Trainingsdaten (von Hand) erstellt werden. Das resultierende statistische
Modell kann dann wiederum mit Testdaten überprüft werden, die unter Umständen auch wieder
manuell zu erstellen sind. Dies bedeutet einen großen Zeitaufwand für die Erstellung der
Trainings- und Testdaten. Zudem ist die Zusammenstellung dieser Datenmengen unter Umständen
kritisch, wenn nicht ausreichend große Datenmengen zur Verfügung stehen. Was man
sich nun wünschen würde, wäre ein Verfahren, das ohne jegliche Vor- und Nachbearbeitung angewendet
werden könnte.
In Kapitel 4 wurden zwei Algorithmen vorgestellt, die ohne statistische Modelle auskommen
und von anderen Projekten in ähnlicher Form erfolgreich eingesetzt wurden [4][16]. Die technischen
Grundlagen für diese Algorithmen wurden in den Kapiteln 2 und 3 erläutert. Die Algorithmen
wurden in der Programmiersprache C++ auf einem PC unter dem Betriebssystem LinuX
implementiert. Die Implementierung wurde so vorgenommen, daß eine Portierung auf andere
Betriebssysteme leicht möglich ist. Es wurde großer Wert auf Wiederverwendbarkeit gelegt, so
daß bei weitergehenden Forschungen auf die vorhandenen Funktionen zurückgegriffen werden
kann.
Die Aus- und Bewertung der vorgestellten pausenbasierten Segmentierung (PBS) und der pitchbasierten
Segmentierung (EDBS) ergab, daß die Verfahren in dieser Form und für die exakte
Segmentierung von Vorlesungsaufzeichnungen nicht zu befriedigenden Ergebnissen führen (vergleiche
Kapitel 5). Vor allen Dingen die mangelnde Präzision der Algorithmen verhindert die
sinnvolle Nutzung dieser Segmentierungsverfahren für den angesprochenen Zweck. Dies schließt
allerdings nicht aus, daß diese Verfahren nicht für andere Verwendungszwecke geeignet sein
könnten. ARONS entwickelte EDBS, um Zusammenfassungen aus Sprachdateien erstellen und
104