Sprachliche Mensch-Maschine-Kommunikation

16.6 Verschiedene weitere Sprachmodelle 277
bestehen. Abb. 16.3 zeigt ein Beispielmodell für ein Terminvereinbarungsgespräch.
Je nach Zweck der Kommunikation kann die Struktur beliebig
gestaltet und verfeinert werden. Der Gedanke, diese Struktur in Form eines
Markov-Modells darzustellen liegt nahe. Ein Zustand des Modells entspricht
dann einem Zustand der Kommunikation. Nicht alle Zustandsfolgen sind
gleich wahrscheinlich, so daß die Übergänge zwischen den Markov-Zuständen
mit den dazugehörigen Wahrscheinlichkeiten den Wechseln der Kommunikationszustände
entsprechen.
Ähnlich wie in der Akustik, so läßt sich bei der Modellierung eines
Kommunikationsprozesses nicht jede Äußerung eindeutig einem bestimmten
Zustand zuordnen. So wie bei einem akustischen HMM ein Zustand
eine akustische Beobachtung emittiert, so kann man sagen, daß ein
Kommunikationsstruktur-HMM eine Äußerung emittiert. Als Emissionswahrscheinlichkeiten
dienen die Wortfolgewahrscheinlichkeiten der jetzt
zustandsabhängigen Sprachmodelle. Jeder Kommunikationszustand hat
ein eigenes Sprachmodell, das auf die Art der Kommunikation in diesem
Zustand spezialisiert ist und diese somit besser modelliert als ein allgemeines
Sprachmodell. In Abb. 16.3 berechnet das Modell B für die Wortfolge W die
Wahrscheinlichkeit P B (W), die bei korrektem Modell höher ist als P S (W),
wenn W eine Begrüßungsfloskel ist.
P B (W)
Begrüßung
P T (W)
Terminverhandlung
Smalltalk
P S (W)
Abb. 16.3. Sprachmodellauswahl mit einem HMM
Verabschiedung
P V (W)
Ein derartiges Kommunikations-HMM kann benutzt werden, um
komplette Dialoge oder komplexe Kommunikationen zu erkennen. Die Wahrscheinlichkeit
einer Wortfolge wird dann dynamisch berechnet und hängt
vom aktuellen Zustand ab. Das Durchlaufen der Kommunikationszustände
geschieht mit Hilfe der gleichen Algorithmen wie bisher für die Spracher-