2.4.1.8 El Problema de la Eficiencia (Reducción del Espacio de Búsqueda)

Debido a todo lo comentado anteriormente, en los sistemas de reconocimiento basados en Modelos Ocultos de Markov y técnicas de Programación Dinámica (algoritmo de Viterbi [NEY84]), cuando el objetivo es reconocer habla continua con vocabularios medios y grandes (por encima de las 1000 palabras), se deben considerar las distintas posibilidades que nos ayuden a reducir los espacios de búsqueda tan grandes que se generan.

Debido a que el algoritmo de Viterbi es un algoritmo de búsqueda en anchura ("breadth first"), capaz de encontrar una solución óptima en el espacio de búsqueda (de estados) generado, se pueden plantear técnicas de reducción del espacio de búsqueda ("beam search") [HN94][HAE91][STN94] (búsqueda en haz), que nos aseguren que la tasa de reconocimiento final no se vea afectada pero capaces de eliminar hipótesis suficientemente alejadas del camino óptimo [NEY92][NEY92-B].

Estas técnicas combinadas con la estructuración adecuada del módulo acústico, de modo que sean los datos ("data driven") los que guíen el proceso de búsqueda de la solución óptima (o subóptima si utilizamos "beam search"), nos pueden permitir reducir los costes computacionales y de memoria de forma muy significativa [AUB89][NEY93].

Anterior   I  Siguiente   I  Índice capítulo 2   I   Índice General