Sprachliche Mensch-Maschine-Kommunikation

262 16. Verwendung von Sprachmodellen
die Entscheidung zwischen zwei Erkennerhypothesen treffen, die akustisch
identisch sind.
Sprachmodelle können auch dazu dienen, den Suchraum einen HMM-
Erkenners für kontinuierliche Sprache einzuschränken. Wenn man bedenkt,
wie stark die kombinatorische Explosion der Zahl der möglichen Wortfolgen
ist (man denke an Sätze mit zwanzig bis dreißig Wörtern aus einem Vokabular
von 50000), bietet sich der Einsatz eines Sprachmodells zur Auswahl
von in Frage kommenden Wortfolgen und somit zur Steuerung der Suche des
Erkenners an. In der Tat kann man so viele Suchpfade, die zwar akustisch
wahrscheinlich sind aber syntaktisch oder semantisch absurden Wortfolgen
entsprechen würden, frühzeitig beschneiden und viel Suchaufwand einsparen.
16.2 Wahrscheinlichkeiten von Wortfolgen
Erinnern wir uns noch einmal an die Fundamentalformel der Spracherkennung
(14.2):
ˆW = argmaxP(X|W)
· P(W)
W
Die Aufgabe des Sprachmodells ist die Berechnung von P(W). Geht
man davon aus, das W = (w1, w2, . . . wn), also eine Folge von n Wörtern ist,
dann läßt sich P(W) schreiben als
P(W) = P(w1) · P(w2|w1) · P(w3|w1, w2) · · · P(wn|w1, w2, . . .wn−1), (16.1)
wobei P(w1) die Wahrscheinlichkeit dafür ist, daß eine Wortfolge mit
dem Wort w1 anfängt, und P(wi|w1, w2, . . . wi−1) die Wahrscheinlichkeit
dafür ist, daß das Wort wi gesprochen wird unter der Voraussetzung, daß
die ganze Worthistorie w1 bis wn−1 davor gegeben ist.
Prinzipiell wäre es auch möglich gewesen, die Definition ” rückwärts“ zu
machen und zu definieren:
P(W) = P(wn) · P(wn−1|wn) · P(wn−2|wn−1, wn) · · ·P(w1|w2, w3, . . . wn)