Sprachliche Mensch-Maschine-Kommunikation

346 20. Erkennung von Spezialvokabular
Eine Kombination der beiden Hypothesenlisten sieht im einfachsten Falle so
aus, daß durch einfache Multiplikation der Wahrscheinlichkeiten ” gleicher“
Namenshypothesen eine gemeinsame Hypothesenliste gebildet wird, in der
dann mit höherer Wahrscheinlichkeit die korrekte Hypothese die beste ist (s.
Abb. 20.1).
Kontinuierlicher
Erkenner
Göthestraße
Gothaer Straße
Mörikestraße
Gatterstraße
Geraer Straße
Göttersberg
Krötengraben
.
0.19
0.11
0.09
0.07
0.04
0.02
0.01
Buchstabier-
Erkenner
GERAERST...
GEBERTS...
GATTERS...
GOTHAER...
GOTTLIEB...
GÖTHEST...
GABLERS...
.
0.22
0.10
0.09
0.08
0.07
0.05
Abb. 20.1. Kombination von n-besten Hypothesen
Gemeinsame
n-besten Liste
Gothaer Straße 0.0099
Göthestraße
.
0.0095
Geraer Straße 0.0088
Gatterstraße 0.0063
Gottliebstraße 0.0006
Gartenstraße 0.0003
0.04 Gablerstraße 0.0001
Schon bei der Erkennung einzelner Buchstaben (z.B. der B-D-G-Task)
wurde festgestellt, daß einfache Mustervergleicher mittels dynamischen
Programmierens unter anderem deshalb Probleme haben, weil ein großer
zeitlicher Teil der akustischen Evidenz eines Buchstaben nicht für die
Unterscheidung von den anderen hilfreich ist. So sind die zur Unterscheidung
der Buchstaben B, D und G wichtigen Verschlußlaute, die Phoneme b, d und
g, nur sehr kurz, während die zur Unterscheidung unwichtigen Endungen,
das Phonem esehr viel Raum einnimmt und so viel mehr zum Distanzmaß
beiträgt.
Wenn solche Eigenschaften des zu erkennenden Vokabulars vorher
bekannt sind, kann der Erkenner auch daraufhin optimiert werden. Spezielle
Trainingsmethoden oder Parameterräume können die Erkennungsraten
deutlich verbessern.
Eine wichtige Eigenschaft, die für die Erkennung von Buchstabiersequenzen
erfolgversprechend ist, ist ein diskriminatives Training, wobei sich
die Verwendung der Systemparameter vermehrt auf die Unterscheidung der
Buchstaben konzentriert statt auf die möglichst exakte Modellierung jedes
einzelnen Buchstaben unabhängig von den anderen. Immer wenn es um
diskriminatives Training geht drängt sich die Idee der künstlichen neuronalen