Ein Ansatz zum Verstehen natürlicher, gesprochener Sprache durch hierarchisch ...

Title Ein Ansatz zum Verstehen natürlicher, gesprochener Sprache durch hierarchisch strukturierte Hidden-Markov-Modelle
Authors Johannes Müller, Holger Stahl
Type Scientific Conference Paper
Abstract Es wird ein Ansatz zum Verstehen natülicher, gesprochener Sprache auf der Basis stochastischer Wissensbasen vorgestellt: Das semantische Modell generiert innerhalb eines vorgegebenen Wirkungsfeldes mögliche semantische Gliederungen, welche wortnahe Darstellungen des Bedeutungsinhalts sind. Das syntaktische Modell erzeugt aus einer gegebenen semantischen Gliederung mittels hierarchisch strukturierten Hidden-Markov-Modellen zutreffende Wortketten. Beide Modelle können in ein sprachverstehendes System integriert werden, das in einem 'Top-Down'-Ansatz auf diese stochastischen Wissensbasen zurückgreift.
Keywords: Spracherkennung, Sprachverstehen, Hidden-Markov-Modell, natürlichsprachlicher Mensch-Maschine-Dialog
Reference In H. Trost (editor): Proceedings KONVENS '94 (Vienna, Austria, 1994), pp. 260-269
Year 1994
Language German
Download Dateisymbol Scientific Conference Paper as pdf file  (59 kByte)

Twitter-Symbol Facebook-Symbol XING-Symbol Delicious-Symbol Senden-Symbol

© WebDesign by Johannes Müller - Briefsymbol Kontakt
erstellt am 21.02.2007, zuletzt geändert am 09.01.2008