Sprachliche Mensch-Maschine-Kommunikation

312 17. Kontextabhängige akustische Modelle
Verwendet man einen Entscheidungsbaum zum Auswählen der akustischen
Atome in Abhängigkeit vom Kontext, so kann man den Entscheidungsbaum
mit Fragen zu Modalitäten anreichern (s. Abb. 17.13. Gegebenenfalls
muß man dann beim Bestimmen der Atome bis zur Berechnung der Emissionswahrscheinlichkeiten
warten, weil erst dann feststeht, welche Modalitäten
vorliegen, und kann dies nicht schon im voraus beim Aufbau des Suchbaumes
festlegen.
In [?] werden Experimente vorgestellt, in denen gezeigt wird, daß die
Modalitäten Signal-Rausch-Abstand, Dialekt, Geschlecht des Sprechers
und die Sprechgeschwindigkeit alle gewinnbringend in den Kontextentscheidungsbaum
eingebunden werden können. Es gibt verschiedene
Experimente, die zeigen, daß modalitätenspezifische Erkenner (zum Beispiel
geschlechtsspezifische Erkenner in [?]) bessere Erkennungsleistung haben
als ” gemischtmodale“. Dennoch kann man erwarten, daß ein Erkenner mit
Modalitätenfragen gegenüber mehreren speziellen Erkennern Vorteile hat.
Ein spezialisierter Erkenner wird nur mit einem Teil der Trainingsdaten
trainiert und muß somit weniger Parameter haben oder er läuft Gefahr,
diese schlecht zu trainieren. Ein Erkenner mit Modalitätenfragen trennt die
Trainingsdaten nur für diejenigen Phoneme oder Allophone auf, für die dies
hilfreich ist. Auf diese Art können modalitätenspezifische Modelle trainiert
werden, aber dort wo dies keine Vorteile bringt, werden die Parameter mit
allen Trainingsdaten statt nur mit einem Teil trainiert.
Abb. 17.14 zeigt die Einteilung deutscher Dialektregionen in vier Klassen,
wie sie mit Hilfe einer automatischen Ballung [?] gefunden wurden.
Ausgangslage waren 21 deutsche Sprachregionen. Die durch die Ballung
resultierenden vier Dialektklassen wurden als Modalitätenfragen in einem
Experiment auf einer Terminvereinbarungsdatenbank [?] verwendet. Die
Sprecher wurden explizit dazu angehalten Hochdeutsch zu sprechen, dennoch
war die Sprache bei den meisten dialektisch gefärbt. Der Erkenner, der die
Modalitätenfragen zur Herkunft des Sprechers beantworten konnte erzielte
eine Verbesserung der Fehlerrate von 14.5% auf 13.5%.
17.3 Wortübergangskontexte
In einigen Sprachen wie im Englischen und ganz besonders im Französischen
hängt die Aussprache eines Lautes stark von den angrenzenden Wörtern ab.
Dies gilt vor allem für die Laute am Anfang und am Ende eines Wortes,
aber durchaus auch für weiter im Inneren liegende Laute. Bei Aufbau eines
HMM für ein Wort kann dies nicht einfach berücksichtigt werden. Wenn
während der Trainingsphase ein Satz-HMM aufgebaut wird, dann steht die