18.09.2013 Aufrufe

Sprachliche Mensch-Maschine-Kommunikation

Sprachliche Mensch-Maschine-Kommunikation

Sprachliche Mensch-Maschine-Kommunikation

MEHR ANZEIGEN
WENIGER ANZEIGEN

Erfolgreiche ePaper selbst erstellen

Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.

254 15. Erkennung kontinuierlicher Sprache<br />

veranschaulicht werden, daß er einen Pfad über möglichst viele dunkle<br />

Bereiche finden muß. Eine Möglichkeit ist in Abb. 15.4 für die Wortfolge B<br />

D A A C dargestellt.<br />

D<br />

C<br />

B<br />

A<br />

Abb. 15.4. Möglicher Pfad für die Wortfolge B D A A C<br />

Eine andere Möglichkeit zeigt Abb. 15.5 mit der Wortfolge D A C B D A.<br />

Der Leser mache sich klar, daß es keine Ausgezeichneten Zeitpunkte gibt,<br />

zu denen Wortübergänge stattfinden dürfen. Das heißt, daß zu jedem einzelnen<br />

Zeitpunkt jeder (aktive) Zustand expandiert wird, unabhängig davon,<br />

ob es ein Zustand in der Mitte des Wortes oder ein Wortendzustand ist (vgl.<br />

Abb. 15.6).<br />

Prinzipiell wäre es schon an dieser Stelle möglich, auf der Modellachse<br />

statt ganzer Wörter kleinere Einheiten zu verwenden (Silben, Phoneme) und<br />

dann statt der Erkennung einer Wortfolge eine Silben- oder Phonemfolge<br />

zu erkennen. Dies wäre dann schon der erste Schritt in Richtung der<br />

Hidden-Markov-Modelle, die insbesondere für kontinuierliche Sprache große<br />

Vorteile gegenüber Mustervergleichern nach den DTW-Schema haben.<br />

t

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!