Sprachliche Mensch-Maschine-Kommunikation

19. Parameterraumoptimierung
Bei der Entwicklung eines HMM-basierten Spracherkenners müssen mehrere
Entwurfsvariablen gefunden und optimiert werden. Entwurfsvariablen, die
den Parameterraum der akustischen Modellierung betreffen, sind zum Beispiel
die Anzahl der akustischen Modelle, die Anzahl der Mixturgewichteverteilungen
und der Codebücher, der Kopplungsgrad der Kovarianzmatrizen,
die Breite der modellierten Kontexte, die Anzahl der Zustände eines HMMs
für die verwendeten Spracheinheiten, sowie deren Topologien. Weitere einzustellende
Variablen sind die Größe der Codebücher, das heißt die Anzahl der
Referenzvektoren je Codebuch und die Dimensionalität des Merkmalsraumes.
Auch auf dem Gebiet der temporalen Modellierung der HMMs gilt es,
Entwurfsentscheidungen zu treffen und Variablen einzustellen, wie zum
Beispiel die Feinheit und den Kopplungsgrad der Übergangswahrscheinlichkeiten
und eventuell vorhandene Parameter für explizite Längenmodellierung.
Oft ist es sehr aufwendig und ressourcenintensiv, verschiedene mögliche
sinnvolle Werte für die Entwurfsvariablen durch Experimente auszuwerten
und auf diese Art zu optimieren. Teilweise wird in manchen Bereichen
der Spracherkennungsforschung sogar von einer Art schwarzen Magie
gesprochen, wenn Forscher sogenannte ” educated guesses“ (auf Erfahrung
basierte Schätzungen) vornehmen. Nicht selten kann man beobachten, daß
eine nur sehr wenig vom Optimum abweichende Einstellung bestimmter
Architekturvariablen die Fehlerrate des Erkenners enorm erhöht.
Auf Erfahrung basierende Schätzungen sind auch bei den zahlreichen
sogenannten ” fudge factors“ 1 üblich. Dabei handelt es sich um der Theorie
eigentlich widersprechende Parameter, wie z.B. die Werte z und q in Gleichung
16.25. Solche Parameter werden aus verschiedenen Gründen für eine
zufriedenstellende Funktion der Spracherkenner benötigt. Zum einen ist die
getroffene Modellannahme (HMM erster Ordnung, Gauß-Mischverteilungen)
nicht in völliger Übereinstimmung mit der Natur des Sprachproblems, zum
anderen liegen in der Regel nicht so viele Trainingsdaten vor, daß das in der
Statistik oft zitierte Gesetz der großen Zahl wirkt. Im Gegenteil, meistens
1 engl. fudge: schmierige Schokoladencreme