Sprachliche Mensch-Maschine-Kommunikation

306 17. Kontextabhängige akustische Modelle
Es ist grundsätzlich möglich, auch andere Phänomene als (Sub-)Triphone
zu ballen. Im allgemeinen Fall werden Entscheidungsbäume über Mengen
von Subpolyphonen mit beliebieger Kontextbreite berechnet. Bei solchen
Aufgaben kann es vermehrt dazu kommen, daß eine Kontextfrage über
einen vom Zentralphonem weit entfernen Kontext weder mit ja noch mit
nein beantwortet werden kann. Die Frage ” −5 = Vokal“, also ” ist das fünfte
Phonem nach links ein Vokal“, kann für den Kontext A(B,D|N) gar nicht
beantwortet werden, weil dieser Kontext nicht bekannt ist. Theoretisch
müßten als statt binärer Entscheidungsbäume ternäre verwendet werden,
die neben den Antworten ja und nein auch noch die Antwort ” unbekannt“
erlauben. Allerdings gilt auch hier [?], daß der zusätzliche Aufwand und
die zusätzlichen Komplikationen den Gewinn nicht lohnen, und man am
einfachsten solche nicht beantwortbaren Fragen mit nein beantwortet.
In [?] und [?] werden Experimente mit verschiedenen Kontextbreiten
vorgestellt. Die Erkenntnis dabei entspricht im wesentlichen den Erwartungen,
daß der Vorteil einer kontextabhängigen Modellierung mit wachsender
Kontextbreite immer geringer wird. Beim Vergleich der deutschen mit der
englischen Sprache stellt sich sogar heraus, daß im Deutschen noch weniger
Kontext benötigt wird. Während im Englischen Kontexte der Breite ±3
gelegentlich noch leichte Gewinne gegenüber ±2 bringen, ist im Deutschen
schon bei ±2 (Quintphonen) kaum noch ein nennenswerter Unterschied
zu ±1 (Triphonen) festzustellen. Das hängt vor allem von der viel stärker
koartikulierten englischen Sprache ab.
Abb. 17.10 zeigt, wie viele Fragen zu welcher Kontextbreite in einem
Ballungsvorgang [?] mit divisiver Ballung und Entropiedistanz auf dem Wall
Street Journal Korpus gestellt wurden. Zwei Erkenntnisse sind dabei zu
entnehmen: Erstens, Kontexte geringerer Breite sind von größerer Bedeutung,
und werde öfter befragt, und zweitens kommen Fragen zu entfernten
Kontexten erst in sehr tiefen Regionen des Entscheidungsbaumes vor, also
erst dann, wenn die Auftrennungsgewinne schon relativ klein geworden sind.
Die gemeinsame Modellierung verschiedener akustischer Phänomene
kann auf verschiedene Art erfolgen. Wie in Kap. 14 im Zusammenhang
mit verschiedenen Kontinuierlichkeitsgraden schon besprochen, so kann die
Vereinigung der Modelle auf der Ebene der Mixturgewichte oder auf der
Ebene kompletter Mischverteilungen geschehen. In [?] wird die allgemeine
Variante einer mehrstufigen Ballung mit dem JANUS Spracherkenner
[?] vorgestellt. Dort wird in der ersten Stufe eine Zusammenlegung der
Modelle auf der Ebene kompletter Mischverteilungen (Codebücher als
Graustufenmatrizen und Mixturgewichte als Histogramme dargestellt)
durchgeführt, und in der zweiten Stufe eine Zusammenlegung auf der Ebene
der Mixturgewichte. Das Ergebnis des JANUS-Ballungsverfahren ist ein