Jahresbericht informatik 2009 - KIT – Fakultät für Informatik

Institut für Anthropomatik
Während der Optimierungsphase haben wir verschiedene besondere Eigenschaften wie
Tonalität, einsilbige Wörter und Variation der Dialekte betrachtet. Durch dieses Vorgehen
wurde ein besseres Merkmal und akustisches Modell für die Tonalität entwickelt. Daneben
wurde das Sprachmodell für das Problem einsilbiger Wörter optimiert. Unser bester vietnamesischer
Spracherkenner erreicht eine Wortfehlerrate von 11.7%, was einer relativen
Verbesserung von ~ 50% entspricht.
Das Rapid Language Adaptation Toolkit, das eine Sammlung von Sprachmaterial über
das Internet ermöglicht, sowie Interfaces für die Erzeugung der für die Sprachverarbeitung
benötigten Module bereitstellt, wurde ebenfalls dieses Jahr weiterentwickelt. Neben Text-
Normalisierungen für verschiedene Sprachen und Sprachidentifikationen bei der
Textdatensammlung wurde beispielsweise eine Funktionalität implementiert (Snapshot-
Funktion), die beim Sammeln von Webseiten in Zeitabschnitten Informationen über die
Qualität der gesammelten Texte im Bezug auf ein daraus gewonnenes Sprachmodel berechnet
und anzeigt (z. B. Perplexität, Out-of-vocabulary Rate, N-Gramm Abdeckung, Anzahl
gesammelter Wörter, Vokabulargröße). Aus diesen Informationen werden dann für
Analysezwecke automatisch Schaubilder generiert, die den Verlauf der Sprachmodell-
Merkmale zeigen.
259
3