Künstliche Intelligenz im Dialog. Die Evolution von Webformularen durch automatisierte Spracherkennung

Inhaltsverzeichnis

• 1 Einleitung
  • 1.1 Ausgangslage und Motivation
  • 1.2 Ziel und Forschungsfrage
  • 1.3 Überblick über die Arbeit
• 2 Theoretische Grundlagen
  • 2.1 Künstliche Intelligenz
  • 2.2 Deep Learning (DL)
    • 2.2.1 Deep Network
    • 2.2.2 Klassen
    • 2.2.3 Methodik
  • 2.3 Automatic Speech Recognition (ASR) mit DL
    • 2.3.1 Methodik
    • 2.3.2 DL-Architekturen
    • 2.3.3 Systemkomponenten
    • 2.3.4 Systemarchitekturen
• 3 Ermittlung geeigneter Lösungsstrategien
  • 3.1 Spracherkennung in Online-Formularen
    • 3.1.1 Aktueller Stand
    • 3.1.2 Implementierungsansätze
    • 3.1.3 Vergleich von Implementierungsansätzen
    • 3.1.4 Auswahl eines Implementierungsansatzes
  • 3.2 ASR mit DL
    • 3.2.1 Bestehende Lösungsstrategien
    • 3.2.2 Vergleich von Lösungsstrategien
    • 3.2.3 Auswahl einer Lösungsstrategie
• 4 Architektur des gewählten ASR-Systems
  • 4.1 Beschreibung der Architektur
    • 4.1.1 Akustikmodell
    • 4.1.2 Decoder & Sprachmodell
  • 4.2 Auswahl der ASR-Hyperparameter
    • 4.2.1 Merkmalsextraktion
    • 4.2.2 Akustikmodell
    • 4.2.3 Decoder & Sprachmodell
  • 4.3 Vor- und Nachteile
• 5 Methodik
  • 5.1 Feldselektive Sprachformularbearbeitung
  • 5.2 Web Speech API
  • 5.3 DeepSpeech ASR-Modell
    • 5.3.1 Datensammlung
    • 5.3.2 Datenvorbereitung
    • 5.3.3 Datenerweiterung
    • 5.3.4 Training
    • 5.3.5 Evaluierung des Modells
  • 5.4 Internes ASR-System
    • 5.4.1 ASR-Server
    • 5.4.2 Web-Client
  • 5.5 Evaluierung der feldselektiven Sprachformularbearbeitung
• 6 Ergebnisse und Diskussion
  • 6.1 Implikationen
  • 6.2 Limitationen
  • 6.3 Zukünftige Arbeiten
• 7 Schlussfolgerung
  • 7.1 Zusammenfassung der Arbeit
  • 7.2 Fazit und Ausblick
• 8 Verzeichnisse
  • 8.1 Abkürzungsverzeichnis
  • 8.2 Abbildungsverzeichnis
  • 8.3 Formelverzeichnis
  • 8.4 Codeverzeichnis
  • 8.5 Tabellenverzeichnis
  • 8.6 Quellenverzeichnis

Zielsetzung und Themenschwerpunkte

Diese Bachelorarbeit beschäftigt sich mit der Erforschung und Implementierung von automatisierter Spracherkennung mittels Deep Learning im Kontext von formularbasierten Prozessen im Web. Ziel ist es, die Effektivität dieser Technologie zur Steigerung der Benutzerfreundlichkeit und Effizienz bei der Formularbearbeitung zu analysieren. Die Arbeit konzentriert sich dabei auf folgende Themenschwerpunkte:

• Die Nutzung von Deep Learning für die automatisierte Spracherkennung (ASR)
• Die Integration von ASR in webbasierte Formulare
• Die Auswahl und Evaluierung geeigneter Lösungsstrategien
• Die Architektur und Funktionsweise eines ASR-Systems
• Die Methodik der feldselektiven Sprachformularbearbeitung

Zusammenfassung der Kapitel

• Kapitel 1: Einleitung Dieses Kapitel stellt die Ausgangslage und Motivation der Arbeit vor. Es werden die Herausforderungen beim Ausfüllen von Formularen im Web beleuchtet und die Vorteile von Spracherkennung als Lösung dargestellt.
• Kapitel 2: Theoretische Grundlagen Dieses Kapitel legt die theoretischen Grundlagen für die Arbeit. Es werden die Konzepte der Künstlichen Intelligenz, des Deep Learning (DL) und der automatisierten Spracherkennung (ASR) mit DL erklärt.
• Kapitel 3: Ermittlung geeigneter Lösungsstrategien Dieses Kapitel befasst sich mit der Recherche und Auswahl von Lösungsstrategien für die Integration von ASR in Online-Formulare. Es werden verschiedene Ansätze und deren Vor- und Nachteile verglichen.
• Kapitel 4: Architektur des gewählten ASR-Systems Dieses Kapitel beschreibt die Architektur des gewählten ASR-Systems, einschließlich Akustikmodell, Decoder & Sprachmodell und der Auswahl der ASR-Hyperparameter.
• Kapitel 5: Methodik Dieses Kapitel beschreibt die Methodik der feldselektiven Sprachformularbearbeitung, einschließlich der Nutzung der Web Speech API und des DeepSpeech ASR-Modells. Es werden die Schritte zur Datensammlung, Datenvorbereitung, Datenerweiterung, dem Training und der Evaluierung des Modells erläutert.
• Kapitel 6: Ergebnisse und Diskussion Dieses Kapitel präsentiert die Ergebnisse der Evaluierung der feldselektiven Sprachformularbearbeitung und diskutiert deren Implikationen, Limitationen und mögliche zukünftige Forschungsarbeiten.

Schlüsselwörter

Die Arbeit widmet sich den Themen der automatisierten Spracherkennung, Deep Learning, formularbasierten Prozessen, Webanwendungen, Benutzerschnittstellen, Effizienzsteigerung und Benutzerfreundlichkeit. Die Integration von Deep Learning in Webanwendungen und die Nutzung von Spracherkennungstechnologien für die Verbesserung von Online-Formularen stehen im Mittelpunkt der Forschung.