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