Sprachliche Mensch-Maschine-Kommunikation

15.2 One Stage Dynamic Programming 251
streiten. Darüber hinaus gibt es das Problem, daß eine Folge von Silben
oft auf verschiedene Arten zu Wortfolgen zusammengefaßt werden kann.
So wird für silbenbasierte Sprachen neben der Wortfehlerrate oft auch die
Silbenfehlerrate mit angegeben.
Ähnliche Probleme gibt es im Deutschen. Es ist dafür bekannt, daß es
die Zusammensetzung von sehr langen komplexen Wörtern erlaubt. Aus rein
akustischer Sicht ist es meist überhaupt nicht möglich und aus der Sicht
der stochastischen Wortfolgemodellierung in vielen Fällen kaum möglich zu
entscheiden, ob zwei aufeinanderfolgende Wörter ein oder zwei Wörter sind.
Wie schwer ist der Fehler eines Spracherkenners, der Norddeutschland mit
Nord Deutschland verwechselt? Ein derartiger Fehler kann im Englischen
kaum vorkommen.
Bei offiziellen Evaluationen deutschsprachiger Erkenner (gelegentlich
auch für andere Sprachen) werden gerne vor dem Messen der Fehlerrate
Normierungen durchgeführt. Selbst bei genauem Hinhören können oft nicht
einmal Menschen Wie geht’s? von Wie geht es? unterscheiden. Würde ein
Spracherkenner diese Verwechslung machen, so würde das gleich zu einer
Wortfehlerrate von 67% bzw. 100% führen, je nachdem welche Version
die Referenz und welche die Hypothese ist. Daher normiert man vorher
Apostroph-S-Anhängsel sowohl in der Referenz als auch in der Hypothese
zu einem eigenständigen Wort es. Ähnlich geht man vor bei Wortpaaren wie
gerne und gern, oder habe und hab’ vor [?].
Bei Systemen, die über die reine Erkennung hinaus gehen, zum Beispiel
Sprach-zu-Sprach-Übersetzungssysteme oder Dialog- und Auskunftssysteme,
bietet es sich an, ein so genanntes End-to-End-Fehlermaß anzuwenden. Dabei
wird nicht die Wortfehlerrate als wichtigstes Qualitätsmerkmal sondern der
Anteil der korrekt übersetzten Äußerungen oder der Anteil der korrekten
Dialogreaktionen gemessen. Dieses Maß abstrahiert dann automatisch von
weniger wichtigen Fehlern, die durch die nachgeschaltete Übersetzung oder
die Dialogsteuerung wieder problemlos ausgebügelt werden können.
15.2 One Stage Dynamic Programming
Es ist nicht weiter schwierig, den DTW-Algorithmus, wie wir ihn für die Einzelworterkennung
kennengelernt haben, so zu erweitern, daß kontinuierliche
Sprache erkannt werden kann (vgl. Abb. 15.1). Während bei der Verarbeitung
isolierter Wörter für jedes Wort völlig unabhängig von den anderen
ein DTW-Pfad und die dazugehörige Distanz berechet wird, kann man für
kontinuierliche Sprache die ” vielen Referenzachsen“ zu einer Referenzachse