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

14 KAPITEL 1. EINLEITUNG, MOTIVATION
¡ ¡ ¢¡¢¡¢
¢¡¢¡¢ ¡ ¡
Story Segmentation
disjunkte, homogene Bereiche (Stories)
Topic Identification
neues Ereignis
Topic Tracking
£¡£¡£ ¤¡¤¡¤
¥¡¥¡¥
¦¡¦
§¡§
¦¡¦
§¡§ ¨¡¨
¨¡¨
¥¡¥¡¥
¤¡¤¡¤ £¡£¡£
mehr Stories zum
vorhergehenden Ereignis
Abbildung 1.1: Story Segmentation, Topic Detection und Topic Tracking
of Standards and Technology) unterstützt. Hierbei gibt es drei verschiedene Aufgaben zu
lösen [10][37] (vergleiche Abbildung 1.1):
Story Segmentation Der Datenstrom muß in einzelne Stories zerlegt werden und kann
sowohl ein Audiosignal als auch ein Textdokument sein. Im Falle eines Audiostroms
kann die Segmentierung direkt auf dem Signal ausgeführt werden, sie kann aber auch
über eine Text-Transkription ermittelt werden.
Topic Identification Die Topic Identification-Aufgabe ist definiert als die Aufgabe der
Erkennung und Weiterverfolgung von Topics, die dem System noch nicht bekannt
sind. Das System hat noch kein Wissen darüber, was das Topic ist. Es muß also ein
Verständnis davon haben, was ein Topic ausmacht und dieses Verständnis muß unabhängig
von spezifischen Topics sein.
Topic Tracking Neue Stories müssen bekannten Topics zugeordnet werden. Ein Topic
ist bekannt durch die Assoziationen mit Stories, die dieses Topic diskutieren. Die
Aufgabe besteht also in der Klassifikation aller neuen Stories, dahingehend ob sie ein
bekanntes Topic diskutieren oder nicht.
Es existieren zudem Systeme, die die angesprochenen Teilgebiete vereinen. Hierzu gehören das
in den AT&T-Labs entwickelte Sprach-Retrieval-System SCAN (Spoken Content-Based Audio
Navigation) [8] und MAESTRO (Multimedia Annotation and Enhancement via a Synergy
of Technologies and Reviewing Operators) [29].
1.2 Ziel dieser Diplomarbeit
Im vorangehenden Abschnitt wurden verschiedene Möglichkeiten zur Informationssuche in
Audio-Dokumenten vorgestellt. Die vorliegende Diplomarbeit beschäftigt sich mit der