Ein morphologisches Modell für die Spracherkennung mit großem Wortschatz

Ein morphologisches Modell, das auf flektierte Sprachen anwendbar ist und die Robustheit des Tripos-Modells mit der Vorhersagemacht des Lemmas kombiniert, wird vorgeschlagen. Eine semantische Komponente wirkt auf der Lemma-Ebene, ohne die verschiedenen Flexionen eines Lemmas zu berücksichtigen, was es ermöglicht, es für 200.000 Wörter trainierbar zu machen. Der Trainingskorpus für das Lemma-Modell (bestehend aus 38 Millionen Wörtern) ist in Bezug auf Lemma und Wortart gekennzeichnet und verwendet einen semi-automatischen Prozess. Die Ergebnisse, die mit diesem neuen Modell erzielt wurden, werden berichtet. Das Modell zeigt einen anderen Weg, Wissen in den rein probabilistischen Rahmen verborgener Markov-Modelle zu integrieren.