Sprachliche Mensch-Maschine-Kommunikation

16.6 Verschiedene weitere Sprachmodelle 279
Sprachmodells kann von der HMM-Struktur innerhalb der Wörter abstrahiert
werden, so daß ein Automat mit n Zuständen (einer für jedes
Wort) entsteht. Es gibt keine Ausgezeichneten Start- und Finalzustände,
jeder Zustand kann diese Rolle übernehmen. Ein Trigramm Sprachmodell
würde einen erheblich komplizierteren Automaten ergeben, der statt n
Zuständen n 2 hätte. Bedenkt man aber, daß nicht alle Wortfolgen explizit
modelliert werden müssen, dann wäre es grundsätzlich möglich auch wesentlich
kompliziertere Grammatiken als Bigramme und Trigramme in einem
Zustandsautomaten zu kodieren.
Einige Forscher [?] gehen dazu über, das Sprachmodell und die Wort-
HMMs zusammen in einen einzigen großen Automaten zu stecken, der
dann sowohl große oder komplizierte Wortkontexte als auch die akustische
Modellierung der Wörter inklusive varianter Aussprachen berücksichtigt.
Nach einer Umwandlung in einen deterministischen Automaten und einer
anschließenden Minimierung desselben entsteht ein Automat (Transduktor
mit gewichteten Übergängen, engl. weighted finte state transducer WFST),
der mit einer Viterbi-Suche durchlaufen werden kann.
Endliche Automaten entsprechen an sich regulären Grammatiken, können
also nicht beliebige kontextfreie akzeptieren. Die menschliche Sprach selbst
läßt sich nicht einmal mit kontextsensitiven Grammatiken beschreiben, und
schon gar nicht mit kontextfreien. Demnach stellen endliche Automaten einen
sehr schlechten Mechanismus zur Modellierung der natürlichen Sprache dar.
In der Praxis läßt sich aber oft relativ viel mit Hilfe einfacher Automaten
ausdrücken. Insbesondere für kommandoorientierte Benutzerschnittstellen
bieten sich Netzwerke wie in Abb. 16.4 an.
Achtung
Abb. 16.4. Automat
ǫ
ǫ
Roboter
bring
hole
besorge
ǫ
ǫ
ǫ
mir
drei
zwei
kleine
kleine
große
große
ǫ
ǫ
Tassen
Solche Netzwerke lassen sich sehr einfach in HMM-artige Automaten
wandeln, mit denen dann die Hypothesensuche durchgeführt wird. Sie sind