Automatische Spracherkennung: Grundlagen, Statistische Modelle Und Effiziente Algorithmen (Artificial Intelligence)

Das Thema der vorliegenden Arbeit ist die Problemstellung maschineller Erkennung gespro- chener Sprache. Ein wichtiger Forschungszweig auf diesem Gebiet ist gegenwrtig die Ent- wicklung telefonischer Auskunftsdialogsysteme, die es einem Benutzer beispielsweise gestat- ten, Zugverbindungsinformationen abzurufen, Platz-oder Hotelreservierungen vorzunehmen oder Bankgeschfte zu ttigen. Besondere Beachtung finden daher Verfahren zur sprecher- unabhngigen Verarbeitung kontinuierlicher uerungen, die ber einen groen Erkennungs- wortschatz verfgen, aber den Lsungsraum gleichzeitig durch anwendungsabhngige gram- matische Restriktionen wirksam einschrnken. Zur Lsung der gestellten Aufgabe gilt es, der akustischen Variabilitt der zu analysie- renden Sprachdaten zu begegnen, die durch sprecherspezifische Artikulationseigenschaften und phonetische Verschleifungsphnomene hervorgerufen wird, und ein komplexes Suchpro- blem zu bewltigen, dessen Ursache im Umfang des Wortschatzes und in der Kombinatorik unbekannter Wortgrenzen liegt. Nach einigen anfnglichen Versuchen, explizite Funktionsmodelle fr den beraus kom- plexen Erzeugungs- und Wahrnehmungsproze gesprochener Sprache zu entwickeln und deren Arbeitsweise auf einem Digitalrechner zu simulieren, dominieren im Bereich der automatischen Spracherkennung heute nunmehr seit Beginn der 80er Jahre die Wahrscheinlichkeits- oder informationstheoretisch ausgerichteten Lsungsparadigmen. Den statistischen Zugang zum Spracherkennungsproblem kennzeichnet der weitgehende Verzicht auf "handgefertigte" Aussprache- und Grammatikmodelle zugunsten effizienter Strategien des maschinellen Lernens aus akustischen und textuellen Sprachdaten. Dieser statistische Ansatz hat sich als auerordentlich flexibel und tragfhig erwiesen; seiner ausfhrlichen Dar- stellung ist folglich auch der grte Teil dieses Buches gewidmet.