Sprachliche Mensch-Maschine-Kommunikation

288 16. Verwendung von Sprachmodellen
Wortpaar ” A B“
Name?
Aufzählung?
zu lang?
nein
nein
ja
ja
ja
nein
Abkürzung?
ja
v-Komponente?
nein
+ v-Komponente
h-Komponente ?
ja
nein
zusammen schreiben: ” AB“
ja
getrennt lassen: ” A B“
nein
mit Bindestrich: ” A-B“
Abb. 16.5. Entscheidungsalgorithmus zur Kompositabildung
Aber auch hierfür stellt sich heraus, daß solche Fälle in der Praxis nur eine
unwesentliche Rolle spielen. Im nächsten Schritt des Entscheidungsverfahrens
werden Komponenten, die selbst schon sehr lang sind und erst recht
Komposita, die sehr lange wären als getrennt zu schreiben erkannt. Man
kann leicht empirisch feststellen, daß in Zeitungstexten ab einer bestimmten
Anzahl von Buchstaben kaum noch Komposita gebildet werden. Danach
wird geprüft, ob das erste Wort des Wortpaares eine Abkürzung ist. In den
meisten Fällen werden die Wörter dann mit Bindestrich geschrieben (zum
Beispiel UNO-Mitglied, DAX-Gewinne, usw.). Erst wenn diese Heuristiken
abgearbeitet worden sind, wird nachgesehen, ob wi als Vorne-Komponente
und wi+1 als Hinten-Komponente möglich sind. Nur dann werden sie Zusammengelegt.
Durch diesen Algorithmus zur Nachbearbeitung von Hypothesen
konnten die durch Falsches Zusammenfügen zusätzlich entstehenden
Fehlern minimiert werden und etwa die Hälfte aller Komposita-Fehler des
Spracherkenners korrigiert werden. Mißt man die Wortfehlerrate auf den in
Komponenten zerlegten Zeitungstexten im Vergleich mit den Originaltexten,
so erhält man eine Fehlerrate von ca. 5%. Wird der Algorithmus von [?] auf
die zerlegten Texte angewandt, haben diese danach nur noch eine Fehlerrate
von ca. 1.4%, also eine Reduktion von über 70%.