Sprachliche Mensch-Maschine-Kommunikation

296 17. Kontextabhängige akustische Modelle
Auf den ersten Blick hat man den Eindruck, daß es von Vorteil sein
müßte relativ große Kontextbreiten zu berücksichtigen, weil auch für diese
immer noch neue Polyphone dazukommen. Andererseits sollte man auch
berücksichtigen, wieviele Trainingsdaten man für diese zur Verfügung hat.
Abb. 17.4 trägt auf der Ordinaten auf, wie viele Polyphone es gibt, die
in den WSJ-Trainingsdaten x mal beobachtet werden. Auf den ersten
Blick fällt auf, daß die häufigste Beobachtungszahl die 1 ist. Je größer die
Beobachtungszahl ist umso weniger Polyphone gibt es, die so oft vorkommen.
Diese Eigenschaft verschärft sich umso mehr, je breiter der Kontext gewählt
wird. Bei einer Kontextbreite von ±1 gibt es ca. 7400 Polyphone, die nur
ein einziges Mal in den Trainingsdaten vorkommen, bei einer Kontextbreite
von ±5 sind es schon ca. 50000. Bei sehr breiten Kontexten gibt es also sehr
viele Polyphone die zu selten vorkommen, um ausreichend robust modelliert
werden zu können.
Anzahl Polyphone mit gegebener Beobachtungshäufigkeit
100000
△⋆
△⋆
× ×
△⋆
×
△⋆
× △⋆
×
⋆
× ⋆
△△△△△△
⋆
10000
+ + + + +
1000
⋆⋆⋆⋆⋆⋆⋆⋆
⋆⋆⋆
⋆ ×××××××
100
△ ×××
Kontextbreite ±1 + ⋆⋆⋆
△△
Kontextbreite ±2 ×
⋆ △
△△ × ++++++
Kontextbreite ±3 △ ⋆
10
⋆
△×
Kontextbreite ±5 ⋆
△
×
⋆⋆
1
+
×
+
⋆ ×
⋆ △ × +
1 10 100 1000 10000 100000
Anzahl der Beobachtungen in den Trainingsdaten
Abb. 17.4. Wieviele Polyphone gibt es, die x mal vorkommen?
Die große Zahl der verschiedenen kontextabhängigen Modelle schon bei
relativ kleinen Kontextbreiten erzwingt eine Zusammenfassung (Ballung)
derselben in eine wesentlich kleinere und somit handhabbare Zahl an
Modellklassen.
+++