Sprachliche Mensch-Maschine-Kommunikation

27.1 Ein Erkenner für eine neue Aufgabe 435
Aus den Textkorpora müssen n-Gramme berechnet werden. Typische
Größen dieser n-Gramm Sprachmodelle liegen in der Größenordnung von
mehreren Millionen bis mehreren Zig Millionen Bigrammen und Trigrammen
sowie den dazugehörigen Back-Off Parametern.
Ein weiterer Wichtiger Bestandteil der Erkennerumgebung ist das Aussprachelexikon.
Für die verbreitetsten Sprachen existieren schon zahlreiche
Lexika. Für seltenere Sprachen oft keine in elektronischer Form. In manchen
Sprachen (zum Beispiel Serbisch und Kroatisch) kann die Orthographie
direkt auch als phonetische Umschrift verwendet werden. In anderen Sprachen
ist dies nicht möglich. In der Tat gibt es sogar sehr viele Sprachen die
ganz ohne Schriftform existieren – zugegebenermaßen sind solche Sprachen
nicht besonders weit verbreitet. Das Aussprachelexikon muß das gesamte
Trainingsvokabular abdecken. Wörter, die nicht im Lexikon enthalten sind,
können nicht mit den üblichen HMM-Erkennungsmethoden von Kap. 12
erkannt werden. An dieser Stelle entstehen oft sehr zeitraubende Arbeiten.
Selbst in etablierten Sprachen wie die deutsche tauchen immer wieder Wörter
auf, die in den bis dahin benutzten Lexika nicht vorkommen. So kann man bei
einer deutschen Datensammlung von mehreren Stunden Sprache erwarten,
Hunderte von Wörtern zu erfassen, für die noch keine phonetische Umschrift
vorhanden ist. Einige davon lassen sich automatisch erzeugen – zum Beispiel
weil sie Komposita von bekannten Wörtern sind. für andere müssen Text-To-
Speech-Systeme verwendet werden. Da weder die Kompositaerkennung noch
die Text-To-Speech-Systeme perfekt funktionieren bedarf ein derart automatisch
erzeugtes Lexikon einer nachträgliche Durchsicht durch einen Experten.
Das Aussprachelexikon definiert somit auch den Phonemsatz der neuen
Sprache. Dieser bildet die Grundlage für die initialen akustischen Modelle.
Für die Erzeugung von Kontextentscheidungsbäumen wird ein Fragenkatalog
benötigt, der an den Phonemsatz der neuen Sprache angepaßt ist. In
der Regel ist es möglich, mit Hilfe der IPA-Lautedefinitionen jedem Phonem
artikulatorische Eigenschaften zuzuordnen und in etwa die gleichen Mengen
dieser Eigenschaften über verschiedene Sprachen hinweg zu verwenden.
27.1.5 Training und Evaluation
Vor dem eigentlichen Training steht die Initialisierung des Parameterraumes.
Wenn es sich um einen Erkenner für eine neue Sprache handelt, dann liegen
in der Regel keine Labels vor und es existiert auch kein ausreichend guter
Erkenner, der gute Labels erzeugen könnte. Wenn ein Erkenner in einer
ähnlichen Sprache existiert könnte dieser dazu herangezogen werden, initiale
(schlechte) Labels zu erzeugen. Problematisch wird dies allerdings dann,
wenn die Phonemsätze der alten und der neuen Sprache nicht übereinstimmen.
Phoneme aus der neuen Sprache kann der alte Erkenner gar nicht