Robert Herms und Prof. Dr. Max­i­m­il­ian Eibl von der Pro­fes­sur Medi­en­in­for­matik entwick­el­ten gemein­sam mit Daniel Richter und Jun.-Prof. Dr. Marc Rit­ter von der Junior­pro­fes­sur Media Com­put­ing eine Meth­ode zu klin­is­chen Spracherken­nung und nah­men damit am CLEF (Con­fer­ence and Labs of the Eval­u­a­tion Forum) eHealth Eval­u­a­tion Lab 2015 teil. Die Auf­gabe bestand darin die Worterken­nungs­fehler beim Kon­vertieren von ver­balen Patien­tenüber­gaben zwis­chen Pflegeper­son­al  zu Frei-Form-Textdoku­menten zu min­imieren. Das Forschung­steam ver­fol­gte hier den Ansatz, dass jedes gesproch­ene medi­zinis­che Doku­ment seinen eige­nen Kon­text besitzt. Der erste Schritt der Meth­ode bein­hal­tet die Tran­skrip­tion eines Doku­ments mit­tels eines ASR (auto­mat­ic speech recog­ni­tion) Sys­tems. Die Schlüs­sel­wörter des Textes wer­den dabei extrahiert und über eine Weban­frage zu einem adap­tierten Wörter­buch sowie einem Sprach­mod­ell hinzuge­fügt. Im zweit­en Schritt fol­gt das erneute Dechiffrieren des sel­ben Textes — dies­mal jedoch mit Hil­fe des adap­tierten Wörter­buchs und Sprach­mod­ells.

Im Ver­gle­ich zur ursprünglichen Meth­ode ist eine Min­imierung der Worterken­nungs­fehler zu sehen, jedoch ist keine Verbesserung in Bezug auf die ins­ge­samte Kor­rek­theit der gesproch­enen Doku­mente sicht­bar. Die Ergeb­nisse ihrer Arbeit wur­den auf dem Con­fer­ence and Labs of the Eval­u­a­tion Forum in Toulouse (Frankre­ich), präsen­tiert.

Pub­lika­tion: Herms, Robert; Richter, Daniel; Eibl, Max­i­m­il­ian & Rit­ter, Marc: Unsu­per­vised Lan­guage Mod­el Adap­ta­tion using Utter­ance-based Web Search for Clin­i­cal Speech Recog­ni­tion. In: Work­ing Notes of Con­fer­ence and Labs of the Eval­u­a­tion Forum (CLEF), Toulouse, France, 08.–11.09.2015, 10 S. [Link]