pdf - Universität zu Köln

ist es nun auch vertretbar, komplexere Vergleichsoperationen durchzuführen, um falsche
Suchergebnisse zu filtern oder um eine Reihenfolge zu generieren. Bei Kukich (1992) wird
diese Vorgehensweise auch als Partitionierung der Datenbank bezeichnet. Partitionierungsmerkmal
ist somit der Schlüssel der jeweiligen Verfahren für die Phonetische Suche.
Als Optimum hierfür dürfte ein gewichtetes Edit-Distance-Verfahren gelten, wie es
unter anderem in Kapitel 4.4 vorgeschlagen wurde. Jedoch ist der dafür aufzuwendende
Forschungsaufwand für deutschen Namen recht groß, da Probleme mit dem Graphem-
Phonem-Alignment gehandhabt werden müssen. Bei genauer Betrachtung wäre eine Art
automatische Transkription notwendig, wie sie ein Graphem-nach-Phonem-Konverter erledigt.
Aufgrund der Fehlertoleranz von Algorithmen wie z. B. Levenshtein-Damerau wäre
hier ein gewisser Fehlergrad durchaus zu vertreten, so dass die Anforderungen an die
Genauigkeit der Transkription nicht so hoch wären, wie z. B. in TTS 66 -Systemen. Auch
müsste die Berücksichtigung von Akzent und Intonation gar nicht oder nur mit sehr einfachen
Modellen erfolgen. Dennoch wurde im Rahmen dieser Arbeit darauf verzichtet, ein
entsprechendes Modell zu entwickeln.
Anstatt dessen sollen drei unaufwendig zu errechnende Merkmale vorgestellt werden,
die eine Filterung der Suchergebnisse erlauben. Ziel ist es dabei, möglichst viele falsche
und möglichst wenige richtige Treffer zu eliminieren. Untersucht werden Silbenanzahl,
wortinitiale Grapheme und besondere vokalische Information.
Um das dafür verwendete Hilfsmittel vorzustellen, soll eine kurze Einführung in die
regulären Ausdrücke gegeben werden. Diese werden ebenfalls in mehreren der selbst erstellten
Implementationen von Algorithmen verwendet. Sie stellen eine Möglichkeit für die
Beschreibung von Zeichenketten dar.
8.1 Reguläre Ausdrücke
Reguläre Ausdrücke 67 stellen ein System für das Beschreiben von Zeichenketten dar. Sie
können für die Erkennung von Mustern und Kontexten verwendet werden. Weitergehende
Beschreibungen der verschiedenen Formen finden sich in Friedl (2002). Eine formale
Beschreibung und die Anwendbarkeit auf ausgewählte Aspekte der Sprachverarbeitung
findet sich in Karttunen u. a. (1996).
Um einen Eindruck für die Syntax zu vermitteln, sollen hier ein paar Beispiele für
reguläre Ausdrücke gegeben werden. So beschreibt Ausdruck /[aeoiu]{2}/ eine Abfolge
von zwei Zeichen der in den eckigen Klammern angegebenen Vokalen. Der Ausdruck
/k[ae][ijy]h?s+(ar?|er)/
66 Text-to-Speech
67 englisch: Regular Expressions
54