Man-machine-interaction; intention-based; Bayesian belief networks; speech understanding; plan recognition; user modelling; gesture recognition
Kurzfassung:
Hauptgegenstand der vorliegenden Arbeit ist ein Verfahren zur Interpretation von Benutzeraktionen, ausgehend von allen potenziellen Intentionen des Benutzers. Für die Klassifikation des Benutzerziels wird dabei nicht die ursprüngliche Aktion rekonstruiert, sondern die Merkmale einer beobachteten Eingabe direkt mit allen Intentionshypothesen in Bezug gesetzt und anhand von Kontextwissen plausibilisiert. Dies ermöglicht eine robuste Klassifikation, selbst auf Basis unvollständiger und verrauschter Beobachtungsfolgen. Das für das Verstehen von Benutzeraktionen vorausgesetzte Kontextwissen wird in Intentionsmodellen codiert, die charakteristische syntaktisch-semantische Beziehungen zwischen den Merkmalen einer Aktion und den Intentionshypothesen statistisch beschreiben. Die Intentionsmodelle werden anhand von Bayesschen Netzen realisiert und dienen als Klassifikator des intentionsbasierten Ansatzes. Neben der Entwicklung der theoretischen Grundlagen wird der intentionsbasierte Ansatz auf eine Reihe klassischer Aufgabenstellungen des Forschungsgebietes der Mensch-Maschine-Kommunikation angewendet. Dabei entstehen innovative Beiträge zu den Themen Sprachverstehen, Planerkennung, Benutzermodellierung und Gestikerkennung.
«
Hauptgegenstand der vorliegenden Arbeit ist ein Verfahren zur Interpretation von Benutzeraktionen, ausgehend von allen potenziellen Intentionen des Benutzers. Für die Klassifikation des Benutzerziels wird dabei nicht die ursprüngliche Aktion rekonstruiert, sondern die Merkmale einer beobachteten Eingabe direkt mit allen Intentionshypothesen in Bezug gesetzt und anhand von Kontextwissen plausibilisiert. Dies ermöglicht eine robuste Klassifikation, selbst auf Basis unvollständiger und verrauschter...
»
Übersetzte Kurzfassung:
The main topic of this work is a method for interpreting user actions, starting from all potential intentions of the user. For the classification of the users goal the intention-based approach doesnt reconstruct the original input, but evaluates the features of an action regarding all potential intention hypotheses by considering context knowledge. This allows a robust classification even under noisy conditions. The assumed context knowledge is encoded in intention models, which statistically describe characteristic syntactic-semantic relations between action features and the intention hypotheses. The intention models are based on Bayesian belief networks and act as classifier of the intention-based approach. Besides developing the theoretical fundament the intention-based approach is applied to a number of classical tasks of the research area of human-machine-interaction. That results in innovative contributions to speech understanding, plan recognition, user modelling and gesture recognition.
«
The main topic of this work is a method for interpreting user actions, starting from all potential intentions of the user. For the classification of the users goal the intention-based approach doesnt reconstruct the original input, but evaluates the features of an action regarding all potential intention hypotheses by considering context knowledge. This allows a robust classification even under noisy conditions. The assumed context knowledge is encoded in intention models, which statistically...
»