Sprachliche Mensch-Maschine-Kommunikation

24 2. Eigenschaften und Taxonomie von Sprache und Spracherkennern
In Abb. 2.1 ist die durchschnittliche (über die einzelnen Teilnehmer der
DARPA Evaluation gemittelte) Wortfehlerrate auf den Wall Street Journal
Daten von 1994 in Abhängigkeit von der Sprechgeschwindigkeit aufgetragen.
Man erkennt nicht nur, daß die Fehlerrate bei sehr hohen Sprechgeschwindigkeiten
dramatisch ansteigt. Auch bei besonders langsamer Sprechweise
treten mehr Fehler auf als bei der mittleren Geschwindigkeit. Vergleichbare
Beobachtungen werden bei Spracherkennern immer wieder gemacht. Je
mehr die Testbedingungen vom Durchschnitt abweichen, umso schwieriger
ist die Erkennung. Bei erhöhter Sprechgeschwindigkeit kommt zusätzlich
zu der schlechten Übereinstimmung der Trainings- und Testdaten noch die
Problematik hinzu, daß beim schnellen Sprechen viel öfter einzelne Laute
extrem kurz und verfälscht ausgesprochen werden oder schlimmstenfalls
sogar ganz ausgelassen werden.
2.4 Erkennungsszenario
Je kompakter das Szenario ist, umso wahrscheinlicher ist es, daß ein guter
Erkenner dafür gebaut werden kann. Dies hängt zum einen damit zusammen,
daß das Vokabular eines kompakten Szenarios kleiner ist, zum anderen damit,
daß die Menge der verwendeten Sprachkonstrukte und Wortfolgen auch klein
ist. Durch ein Szenario wird eine Erwartung vorgegeben. Erkennung bedeutet
Vergleichen der aufgenommenen Sprache mit möglichen Erwartungen. Je
kleiner die Menge der Erwartungen, umso weniger wahrscheinlich ist eine
Verwechslung.
2.5 Perplexität
Auch wenn wir den Begriff der Perplexität erst in Kapitel 16 formal
definieren, so wollen wir ihn doch schon hier verwenden. Zunächst genügt
es zu wissen, daß die Perplexität ein Maß dafür ist, wie viele Wörter
ein Erkenner im Schnitt gleichzeitig erkennen können muß. Eine niedrige
Perplexität bedeutet, daß nur wenige Wörter zu einem Zeitpunkt
zu unterscheiden sind, was bedeutet, daß die Erkennungsaufgabe leicht
ist. Eine hohe Perplexität heißt, daß die Verwechslungsgefahr höher ist
und damit auch die Fehlerwahrscheinlichkeit und die Schwierigkeit der
Erkennungsaufgabe. So ist es zum Beispiel wesentlich einfacher, von einem
Arzt diktierte Diagnosen zu erkennen, als den Name einer Person, die sich
vorstellt. Während die Sprache von ärztlichen Diagnosen relativ uniform
ist und an einer Stelle nur wenige verschiedene Wörter erwarten läßt,