Sprachliche Mensch-Maschine-Kommunikation

17.2 Ballung von Kontexten 305
Ein divisiver Ballungsalgorithmus kann also im allgemeinen wie folgt
skizziert werden:
1. initialisiere einen Ballungsknoten mit allen zu ballenden Modellen
2. berechne für jeden Blattknoten und jede Frage aus dem Fragenkatalog
den Gewinn einer Auftennung
3. führe von allen Auftrennung die gewinnbringendste aus
4. solange Abbruchkriterium nicht erfüllt, gehe zu 2
Der Gewinn einer Auftrennung in Schritt 2 kann als Gewinn der Beobachtungswahrscheinlichkeit
(Likelihood-Distanz) oder als Informatinsgewinn
(Entropie-Distanz) berechnet werden. Auf jeden Fall ist es wichtig, hier die
gewichtete Distanz (also Gl. 17.4 statt Gl. 17.3) zu verwenden. Bei einer
ungewichteten Distanz kann sich herausstellen, daß eine Auftrennung von n
Modellen in (n − 1) : 1 (sofern es Fragen im Katalog gibt, die dies erlauben)
am gewinnbringendsten ist, nur weil eines der Modelle eine Art Ausreißer
ist. Die Folge wären entartete Kontextentscheidungsbäume mit geringer
Breite und großer Tiefe. Grundsätzlich ist zu beobachten, daß die Gewinne
mit wachsender Tiefe des Baumes abnehmen.
Im Beispiel von Abb. 17.9 werden Kontexte verschiedener Phoneme in
einem Modell zusammengelegt. Dies macht das Beispiel insofern unrealistisch,
als eine gemeinsame Modellierung des Frikativs F und des Vokals O
nicht sinnvoll ist. Sie sind offensichtlich viel mehr verschieden als gleiche
Phoneme in verschiedenen Kontexten. Daher werden in der Spracherkennung
normalerweise mehrere Kontextentscheidungsbäume erzeugt, zum Beispiel
je ein Baum für jedes Phonem (Monophon) oder je ein Baum für jedes
Subphonem. Die Wurzelknoten werden dann nur mit den verschiedenen
Allophonen eines Phonems gefüllt, oder bei noch feinerer Aufteilung nur mit
den gleichen Segmenten (Beginn, Mitte, Ende) der Allophone eines Phonems.
Auf diese Art wird Wissen in den Ballungsalgorithmus gesteckt, das diesem
zum einen die Arbeit erleichetrt, weil dann kleinere Bäume entstehen und
weniger Entscheidungen getroffen werden müssen, zum anderen aber auch
einige Freiheiten nimmt, akustische Phänomene gemeinsam zu modellieren.
Es mag zwar einige Fälle geben, in denen Teile verschiedener Phoneme
sogar sinnvollerweise zusammengelegt werden könnten, zum Beispiel das
Ende des Affrikatsñ(erstes Phonem im Wort ” Zaun“) mit einem Segment
des Frikativs s. Allerdings hat die Praxis gezeigt, daß die seltenen
Fälle, in denen so etwas sinnvoll wäre den zusätzlichen Aufwand nicht lohnen.