Zusammenfassung
Die wohl anspruchsvollsten Anwendungen der Markov-Modell-Technologie stellen Erkennungsaufgaben mit sehr großen Inventarien zu segmentierender Einheiten dar. Typische Beispiele hierfür sind Diktiersysteme mit Wortschätzen von einigen 10 000 oder 100 000 Wörtern oder auch Systeme zur Schrifterkennung mit nahezu uneingeschränktem Vokabular. Die Modellierung der Segmentierungseinheiten — also der gesprochenen oder geschriebenen Wörter — mit Hilfe von HMMs hat sich, wie auch in einfacheren Systemen, als Quasi-Standard etabliert. Allerdings sind für solche umfangreichen Erkennungsaufgaben zusätzliche Einschränkungen der möglichen oder plausiblen Abfolgen von Segmenten unerlässlich, um den Suchaufwand in handhabbaren Grenzen zu halten. Die Beschreibung solcher Restriktionen mit n-Gramm-Modellen bietet gegenüber anderen Verfahren den entscheidenden Vorteil, dass zwei kompatible Formalismen zum Einsatz kommen und dadurch eine kombinierte Anwendung einfacher und mit größerem Erfolg möglich ist.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 2003 B. G. Teubner Verlag / GWV Fachverlage GmbH, Wiesbaden
About this chapter
Cite this chapter
Fink, G.A. (2003). Integrierte Suchverfahren. In: Mustererkennung mit Markov-Modellen. Leitfäden der Informatik. Vieweg+Teubner Verlag. https://doi.org/10.1007/978-3-322-80065-7_12
Download citation
DOI: https://doi.org/10.1007/978-3-322-80065-7_12
Publisher Name: Vieweg+Teubner Verlag
Print ISBN: 978-3-519-00453-0
Online ISBN: 978-3-322-80065-7
eBook Packages: Springer Book Archive