Label	94mue
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
Published	September 1994
Language	German
Download	Scientific Conference Paper as pdf file  (59 kByte)