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

16 KAPITEL 1. EINLEITUNG, MOTIVATION
für diese Diplomarbeit ausgesucht, die nicht auf statistischen Modellen basieren. Das erste vorzustellende
Verfahren verwendet die Dauer von Sprechpausen zur Voraussage einer möglichen
Gliederung. Der zweite Algorithmus versucht Betonungen des Sprechers zu ermitteln, die anschließend
Hinweise auf die Gliederung des Gesprochenen liefern sollen. Über die Hintergründe
dieser Ansätze klären die Einleitungen der Kapitel 4.1 und 4.2 auf. Ziel war es nun, die angesprochenen
Algorithmen auf ihre Verwendbarkeit zu überprüfen, insbesondere im Hinblick auf
die speziellen Daten, die dieser Untersuchung zugrunde liegen.
1.3 Inhaltlicher Aufbau dieser Arbeit
Die Arbeit gliedert sich in sechs Teile:
Nachdem im vorliegenden Kapitel bereits eine Einführung in die Motivationen und Ziele
dieser Arbeit gegeben wurde, sowie eine Vorstellung von Arbeiten mit ähnlichem Thema
erfolgt ist, wird im Rest des Kapitels die verwendete Datenbasis erläutert.
Das Kapitel Grundlagen der Sprachanalyse erläutert die wichtigsten Konzepte und
Begriffe der Sprachanalyse. Es gliedert sich wiederum in drei Unterkapitel. Im ersten
Teil Einführung wird ein kurzer Überblick über die Sprachverarbeitung im allgemeinen
gegeben. Der zweite Abschnitt beschäftigt sich mit der Erzeugung der menschlichen
Sprache, und im dritten Teil werden Konzepte und Notation der digitalen Signalverarbeitung
erläutert. Dieses Kapitel ist für denjenigen Leser gedacht, der sich bislang noch
nicht mit dieser Materie beschäftigt hat, aber auch nicht zu tief in das Themengebiet einsteigen
will. Es ersetzt nicht das Studium einschlägiger Literatur, wenn ein tieferes Verständnis
erwünscht ist. Die Begriffe werden in den meisten Fällen informell erklärt, so
daß auch die später folgenden Kapitel ohne tiefgreifendes Studium der digitalen Signalund
Sprachverarbeitung verstanden werden können. Der Leser mit Kenntnissen auf diesen
Gebieten kann das Kapitel überspringen.
Das dritte Kapitel Extraktion von Audio-Features erläutert die low level-Eigenschaften,
die von den in Kapitel 4 vorgestellten Verfahren verwendet werden, und wie sie aus dem
Audiosignal extrahiert werden können.
Im vierten Kapitel Segmentierung/Emphasis-Detection werden Verfahren vorgestellt,
die daraufhin untersucht werden sollen, in wie weit sie sich zur Segmentierung bzw. zur
Suche in Sprachdateien eignen. Der erste Teil dieses Kapitels stellt ein Verfahren vor,
das versucht, Sprechpausen zur Berechnung einer Segmentierung heranzuziehen. Bei der
Emphasis-Detection geht es darum, besonders betonte Stellen in einem Vortrag zu finden.
Diese erlauben eventuell Rückschlüsse auf eine mögliche Gliederung des Vortrages.
Das fünfte Kapitel Evaluation beschäftigt sich mit der Aus- und Bewertung der Algorithmen
bezüglich ihrer Nutzbarkeit im Rahmen des AOF-Projekts [1]. In Kapitel 1.4 wird