Modellierung

Die Modellierung von Interpretationsregeln zu dem in 5.2.2 beschriebenen Verfahren könnte auf folgende Weise durchgeführt werden. Die aufgestellten Regeln definieren den Zusammenhang zwischen Schlagwörtern, Kommandos, Chunks und Parametern. Die Punkte eins bis drei müssen von Hand ausgeführt werden, die Punkte vier bis sechs können algorithmisch gelöst werden (vergleiche mdl2SpeechControl in Anhang B).

1. Sammeln aller Kommando- und Interaktionsklassen
   Ausgehend von einem bestimmten Aufgabengebiet kann der Roboter bestimmte Kommandos erfüllen. Die Kommandos müssen einen eindeutigen Namen und einen Parametersatz zugewiesen bekommen.
   Die Befehle sind in einer GOLOG-Prozedur-Bibliothek (siehe 5.3) über die eindeutigen Namen mit einer fest definierten Anzahl von Parametern ansteuerbar. Die Kommandonamen werden später die Grundlage der Parserausgabe an die Planungsebene bilden. Die Parameter werden später im laufenden System mit den Werten der Chunks gefüllt. Die Bibliothek wird an dieser Stelle als vorhanden vorausgesetzt. In 5.3 wird die Erstellung einer solchen Bibliothek genauer erläutert.
2. Sammeln von Sprachdaten bzw. Sätzen zu den Klassen
   An dieser Stelle müssen die Sätze zusammengetragen werden, die später vom System erkannt werden sollen und die Ausführung eines Kommandos nach sich ziehen, zum Beispiel Carl bring mir einen Kaffee./Carl bring mir bitte einen Kaffee./...
   Es sollten so viele Variationen wie möglich gesammelt werden, ein zugelassenes Kommando auszudrücken. Wenn verfügbar, sollte diese Sammlung auch Sprachdaten und nicht nur textuelle Daten umfassen. Dadurch könnten die Erkennerleistungen gesteigert werden. Dieser Schritt beeinflußt zum einen die Ergebnisse des Spracherkenners, aber auch die Ergebnisse des Parsers. Aus den gesammelten Daten wird zum einen in Schritt 5 das linguistische Modell (LM) für den verwendeten Spracherkenner abgeleitet, und zum anderen die Segmentierung in Chunks (Schritt 3) ermittelt. Wenn Sprachdaten und nicht nur geschriebene Sätze verfügbar sind, kann auch das akustische Modell des Spracherkenners daraus trainiert werden. Grundsätzlich kann man sagen, je mehr Daten gesammelt wurden, desto freier kann eine Anfrage formuliert werden. Allerdings kann diese Formulierungsfreiheit, je nach verwendetem Spracherkenner, ab einer bestimmten Größe des Vokabulars und LM's in schlechtere Erkennungsleistungen umschlagen. Ein Beispiel dafür ist zum Beispiel die Modellierung der Wörter und . Da diese beiden Wörter synonym verwendet werden können, bilden sie meist gleichberechtigte Translationen in einem DFA. Die statistische Bewertung kann zu einer Aufteilung des Bewertungswertes zwischen diesen beiden Wörtern führen. Die Bewertung eines anderen Wortes kann auf einmal besser als die beiden ''Einzelbewertungen'' sein. Außerdem sollte die Datensammlung von möglichst vielen Personen getragen werden, da sonst die Variation der Sätze nicht der natürlichen Sprachvielfalt entspricht. Ungeübte Benutzer würden dadurch eingeschränkt werden.
3. Segmentierung nach bedeutungsvollen Einheiten
   In diesem Schritt müssen die in Schritt 2 gesammelten Sätze nach Kommandoklassen sortiert und in Chunks eingeteilt werden. Dies kann zunächst für jede Kommandoklasse unabhängig durchgeführt werden. Für diese Art von Segmentierung ist zur Zeit leider noch kein algorithmisches Verfahren bekannt. Die Entscheidung, welche Komponenten relevant sind, muß vom Modellierer getroffen werden.
4. Abgleich der Chunks eines Kommandos mit allen anderen Klassen
   Bei der Segmentierung kann es passieren, daß einzelne Wörter oder ganze Chunks in einem Befehl eine Bedeutung haben und in einem anderen nicht. Bei Nichtbeachtung solcher Effekte, wird der Befehl, in dem keine Bedeutung zugewiesen wurde, definitiv nicht ausgeführt werden (vergleiche 5.2.2).
   Ein Beispiel: Carl geh nach Hause mit geh und nach Hause als bedeutungstragende Einheiten gegenüber Carl geh mir einen Kaffee holen mit Kaffee und mir. Das ''Kaffee''-Kommando würde nicht ausgeführt werden, da der Scanner (siehe 5.2.2) die Wortkette Carl geh mir Kaffee ermitteln würde, das geh aber nicht für diese Klasse zugelassen ist. Solche Widersprüche müssen aufgelöst werden. Ob dies durch Entfernen des Chunks geh auf der einen Seite oder Hinzufügen auf der anderen gemacht wird, bleibt dem Modellierer überlassen.
5. Aufbau der Spracherkenner-Grammatik bzw. des Vokabulars
   Damit der verwendete Spracherkenner vernünftige Ergebnisse liefern kann, muß das LM den erwarteten Wortketten angepaßt werden. Dies wird mit den in Schritt 2 gesammelten textuellen Daten vorgenommen. Für die verwendeten Spracherkenner muß daher ein deterministischer endlicher Automat (DFA) erzeugt werden. Dieser sollte im Hinblick auf das Laufzeitverhalten minimal sein.
6. Aufbau des Scanners und Parsers
   In den Scanner müssen alle in einem Chunk vorkommenden Wörter eingetragen werden. Diese werden dann im Parser durch entsprechende Regeln zu Chunks zusammengefaßt. Eine solche Chunk-Regel soll anhand des WO-Konzepts des Kaffeebeispiels (siehe 5.2.2) erläutert werden. Zunächst einige Beispielsätze:
   
   Carl bring Kaffee in Raum sechs
   Carl bring Kaffee in sechs
   Carl bring Kaffee zu Raum sechs
   Carl bring Kaffee zu sechs
   oder bei einem Erkennungsfehler sogar: Carl bring Kaffee sechs
   
   Mit den hier gezeigten Daten kann das WO-Konzept in 5 verschiedenen Varianten ausgedrückt werden. Eine Modellierung könnte so aussehen:

	WO :	O_ZAHL |
		in raum O_ZAHL | in zimmer O_ZAHL | in O_ZAHL |
		zu raum O_ZAHL | zu zimmer O_ZAHL | zu O_ZAHL

Der eigentliche Wert, also die gesuchte Raumnummer, ist als semantischer Wert zu dem Token O_ZAHL durch den Scanner weitergegeben worden.
Der Parser wird mit Standardkomponenten unter Linux erstellt. Der Scanner wird mit Hilfe von flex erzeugt und in den mit bison (yacc) generierten Parser integriert. Mit diesen beiden Komponenten können recht schnell und einfach Parser erzeugt werden. Diese können automatisch (Anhang B) oder mit der Hand erzeugt werden.

Die Modellierung eines solchen Systems läßt sich bis zu einer gewissen Anzahl von Kommandoklassen relativ schnell bewerkstelligen. Die Umsetzung ist dann das eigentliche Problem. Das Übertragen der Wörter in den Scanner bzw. der Chunks in den Parser und die Erstellung des DFA für den Spracherkenner machen den Hauptteil der Arbeit aus. Je mehr Kommandoklassen in einem System realisiert werden sollen, desto mehr Überschneidungen können durch die Chunks entstehen.