Sprachliche Mensch-Maschine-Kommunikation

14.4 Parameterkopplung 231
Zustand s B mit der besten (d.h. höchsten) Emissionswahrscheinlichkeit
zum Zeitpunkt t nicht der Zustand sqt des Viterbi-Pfades ist, dann werden
fi(B) und fi(qt) jeweils um einen kleinen Wert verändert, so daß bqt(xt)
vergrößert und bB(xt) verkleinert wird. In [?] konnte so die Fehlerrate
gegenüber einem System mit gleichgewichteten Strömen um 20% bis über
40% reduziert werden.
• Verwendung artikulatorischer Merkmale:
Die Verwendung mehrerer unabhängiger Ströme bietet sich auch an bei
der Abstraktion von Phonemen und der Erkennung mit Hilfe artikulatorischer
Eigenschaften. Diese sind in Abs. 6.3.2 beschrieben und umfassen
Eigenschaften wie Stimmhaftigkeit, Artikulationsort und so weiter. Nun
ist es möglich, die Emissionswahrscheinlichkeit für einen Zustand als das
– gegebenenfalls gewichtete – Produkt der Klassifikationswahrscheinlichkeiten
der für diesen Zustand relevanten Artikulatorischen Eigenschaften
zu definieren [?] [?]. Auf diese Art kann die Notation eines Phonems als
Wortuntereinheit beibehalten werden, jedoch ist die Modellierung mehr
an der akustischen als an der linguistischen Manifestation orientiert.
Ein weiterer Vorteil der Verwendung artikulatorischer Merkmale besteht
in ihrer relativ hohen Sprachenunabhängigkeit. So konnte gezeigt werden
[?] [?], daß sie auch gewinnbringend für multilinguale Spracherkenner (s.
Kap. 25) eingesetzt werden können.
14.4 Parameterkopplung
Parameterkopplung manifestiert sich auf verschiedene Arten:
• mehrere reale Phänomene teilen sich ein Modell
• mehrere Modelle teilen sich einige Parameter
• einzelne Parameter eines Modells werden mit entsprechenden Parametern
anderer Modelle interpoliert (geglättet)
Die Motivation für die Parameterkopplung ist einmal die Gleichbehandlung
gleicher oder ähnlicher Phänomene, und außerdem die Erwartung, daß
bei weniger Parametern diese robuster trainiert werden können. Wenn man
die Entwicklung von Spracherkennern als eine Mischung zwischen Technik
und Kunst ansehen möchte, so hat die Wahl der Parameterkopplung den
größten Anteil an der Kunst. Vergleicht man die Architektur verschiedener
Systeme, die an DARPA Evaluationen teilnehmen, so stellt man fest,
daß im wesentlichen alle Hidden-Markov-Modelle und nahezu identische