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

5.1. MESSGRÖSSEN 89
Emphasis
4
3
2
1
¢¡¤£
¢¡¦¥
¢¡¨§
¢¡¨©
¢¡¤
¢¡¤
1 2 3 4 5 6 7 8
topic beginning
Zeit (Sek.)
Emphasis
4
3
2
1
¢¡¨£
¢¡¦¥
¢¡¨§
¢¡¨©
¢¡¤
¢¡¤
¢¡¤
1 2 3 4 5 6 7 8
topic beginning
Zeit (Sek.)
(a) § ¨ ¡ (b) § ¨ ¡§¦
Abbildung 5.1: Beispiele für die Schwierigkeit der Ermittlung von Topic Beginnings bei der Emphasis-
Detektion. Die Zeitfenster haben im Diagramm (a) eine Länge von § ¨ ¡ und im Diagramm (b) eine
Länge von § ¨ ¡§¦ .
¦
¡ ¢
Betonungen bestehen.
Diese Ergebnisse
an, daß zu den Zeitpunkten , , , und
stimmen nicht exakt mit den Topic Beginnings überein. Es stellt sich nun die Frage, wie diese
Werte zu interpretieren sind. Das Problem besteht in der Messung der Betonung über ein Zeitfenster,
das sich über mehrere Sekunden erstrecken kann. Angenommen, es existiert ein Topic
Beginning zum Zeitpunkt und es wurde für das Verfahren ein Zeitfenster mit einer Länge
von gewählt (vergleiche Abbildung 5.1(a)). Die eigentliche Betonung wurde vom Verfahren
im Superframe, der mit der 5. Sekunde beginnt, detektiert. Die Zeitfenster ¡ § und liefern
einen Wert ¢
¦
von¦
nur¦
¢¡
¢¡
. Die Zeitfenster liefern den Wert . Das Verfahren sagt also, daß zum
Zeitpunkt ein Topic Beginning existiert. (Es wird angenommen, daß bei mehreren aufeinanderfolgenden
Betonungswerten, die größer als Null sind, der erste Wert als vorausgesagtes
Topic Beginning angesehen wird.) Es besteht also eine Differenz zwischen vorausgesagtem
Topic Beginning und dem tatsächlichen Ereignis. Idealerweise hätte hier die Ausgabe von
als Hinweis auf ein Topic Beginning stattfinden müssen. Beträgt die Länge des Zeitfensters
, dann liefern die Zeitfenster den Wert 0 (vergleiche Abbildung 5.1(b)). Erst
das Zeitfenster liefert den Wert 4. Das vorausgesagte Topic Beginning tritt zum Zeitpunkt
auf. Die Differenz zum tatsächlichen Topic Beginning beträgt jetzt nur noch . Dies wirft
die Frage auf, wie groß die Toleranz in Abhängigkeit von der Länge des Zeitfensters sein soll und
wie die Länge des Zeitfensters gewählt werden muß, damit die Ausgabe des Verfahrens sinnvoll
zur Segmentierung einer Sprachdatei eingesetzt werden kann.
Die eben beschriebenen Probleme betreffen die Ermittlung des Recalls für das pitchbasierte Verfahren.
Das Beispiel in Tabelle 5.3 wirft ein weiteres Problem auf. Zum Zeitpunkt
zeigt ¦
das pitchbasierte Verfahren eine Betonung an, die eigentlich als False Alarm gewertet werden
müsste. Nun könnte diese Betonung aber beispielsweise zu einem Satz gehören, der zwischen
der 2. und 3. Sekunde beginnt und zwischen der 6. und 7. Sekunde endet. Dann dürfte diese Betonung
nicht als FA angesehen werden. Auch hier stellt sich die Frage nach der zu gewährenden
Toleranz, die eventuell für die Precision von Bedeutung sein könnte. Diese Fragen werden in
Kapitel 5.3 beantwortet, wenn das Verfahren mit verschiedenen Zeitfensterlängen und unterschiedlichen
Schwellwerten ausgewertet wird.