Sprachliche Mensch-Maschine-Kommunikation

20.1 Buchstabiererkennung 347
Netze auf. In den letzten Jahren wurden immer wieder Methoden entwickelt,
um Standard Modelle, die klassenabhängige Wahrscheinlichkeiten schätzen,
auf diskriminative Art zu trainieren (Korrectives Training Abs. 13.3.1,
Maximum Mutual Information Estimation - MMIE Abs. 13.3.1 und andere).
Bei einem Buchstabiererkenner gibt es im Grunde zwei Vokabulare. Das
eine besteht aus den ca. 30 Buchstabenbezeichnungen (A bis Z, Umlaute,
Strich, Scharf-S, etc.), das andere aus den Wörtern, die Buchstabiert werden
können. Im Prinzip läßt sich ein Erkenner bauen, dessen Vokabular aus nur
den Buchstaben besteht, der aber ein n-Gramm Sprachmodell verwendet,
wobei ” Gramm“ in diesem Fall nicht für ” Wort“ sondern für “Buchstabe“
steht. Ein solcher Erkenner kann dann beliebige Buchstabensequenzen
erkennen, bevorzugt aber diejenigen, die wahrscheinlicher sind. Ganz ohne
Verwendung eines Buchstabensprachmodells wären alle (gleich langen)
Buchstabenfolgen gleich wahrscheinlich. Der negative Effekt auf die Erkennungsrate
wäre vergleichbar mit dem Effekt auf einen kontinuierlichen
Spracherkenner, der kein Sprachmodell verwendet. Beim Buchstabieren stellt
sich jedoch heraus, daß das zu verwendende Sprachmodell mit wachsendem
Namensverzeichnis eine sehr große Kontextbreite (n-Gramme mit n >> 2)
benötigt. Würden nur Bigramme oder Trigramme verwendet, so wäre
deren Einfluß relativ gering. Eine wesentlich stärkere Einschränkung des
Suchraums durch das Sprachmodell läßt sich durch Bauen eines minimalen
Automaten erreichen [?] (s. Abb. 20.2).
M
01
A I
01
Start
I
Y E
L L
N
S K
R
Y
Ende
Abb. 20.2. Endlicher Mealy-Automat zum Buchstabieren von Maier, Mayer, Miller
und Minsky
Würde man alle zu erkennenden Buchstabiersequenzen als einzelne
Wörter betrachten, könnte ein Isoliertworterkenner gebaut werden. Bei
einem sehr großen Vokabular sollte der Zustandsraum kompaktifiziert
werden, zum Beispiel in Form eines phonetischen Präfix-Baumes oder gleich