Sprachliche Mensch-Maschine-Kommunikation

18. Effiziente Decodierverfahren
Der größte Unterschied zwischen der Trainings- und der Erkennungsphase
bei Hidden Markov Modellen ist die Art der verwendeten Suche. Für beide
Probleme wird in der Regel der Viterbi-Algorithmus eingesetzt. Während
beim Training die Transkription der Äußerung bekannt ist und so das HMM
selbst mit optionalen Füllwörtern immer noch relativ einfach gestaltet ist,
so enthält das entsprechende HMM für die Erkennung alle Vokabularwörter.
Auch wenn das Erkennungs-HMM nie komplett aufgebaut wird, so bildet
es doch einen riesigen Suchraum, durch den ein Viterbi-Pfad gefunden werden
muß. Beim Entwurf des Viterbi-Algorithmus, ja sogar schon beim einfacheren
DTW-Algorithmus, haben wir Optimierungen zur Zeitersparnis eingeführt.
Möglich wäre es aber trotzdem, mit etwas mehr Zeitaufwand den
Viterbi-Algorithmus ohne Beschneidungen des Suchraums für ein einzelnes
Satz-HMM komplett abzuarbeiten. Bei der Erkennung kontinuierlicher Sprache
mit sehr großen Vokabularen ist das nicht mehr möglich. Dafür ist es mit
heutigen und auf absehbare Zeit verfügbaren Rechnern undenkbar, das komplette
Erkennungs-HMM im Speicher zu halten, und schon gar nicht, dieses
komplett zu durchsuchen. Daher bildet diese Suche in der Spracherkennungsforschung
eine eigene Teildisziplin. Der Teil eines Spracherkenners, in dem
die Suche implementiert ist, wird Decoder genannt.
18.1 Decoderarten
Um am Ende des Erkennungsvorganges eine Wortfolge ausgeben zu können,
muß wie beim DTW die wahrscheinlichste Folge von Zuständen oder etwas
einfacher die wahrscheinlichste Folge von Wörtern ausgegeben werden.
Wenn die exakte Folge der Zustände nicht interessiert, kann der Viterbi-
Algorithmus dahingehend modifiziert werden, daß auf die Berechnung und
Speicherung der Rückwärtszeiger (Gl. 12.13) für Zustände, die nicht letzter
Zustand eines Wortes sind, verzichtet wird.
Wie Abb. 18.1 zeigt, daß es genügt, für jeden Wortendezustand abzuspeichern,
welches Wort das beste Vorgängerwort war. Bei der Expansion eines
Zustands in ein neues Wort kann diese Information erzeugt werden, und bei