Теоретико-информационный подход к диаризации участников совещаний

Описана система диаризации участников совещаний, основанная на теоретико-информационной модели. Задача сформулирована в соответствии с принципом информационного bottleneck (IB, информационного узкого места). В отличие от других подходов, в которых расстояние между сегментами речи вводится произвольно, метод IB ищет разбиение, максимизирующее взаимную информацию между наблюдениями и переменными, релевантными для задачи, при одновременной минимизации искажения между наблюдениями. Это решает проблему выбора расстояния между сегментами речи: в результате оптимизации целевой функции IB оно оказывается дивергенцией Йенсена—Шеннона. Обсуждаются вопросы, связанные с диаризацией участников совещаний в рамках данного теоретико-информационного подхода, включая критерии определения числа говорящих, компромисс между качеством и степенью сжатия, достигаемыми системой диаризации, а также алгоритмы оптимизации целевой функции. Кроме того, предложенная система сопоставляется с современной системой на наборе данных NIST RT06 (rich transcription) для диаризации участников совещаний. Система на основе IB достигает уровня ошибки диаризации 23,2% по сравнению с 23,6% у базовой системы. Поскольку данный подход преимущественно основан на непараметрической кластеризации, он работает значительно быстрее базовой системы на основе HMM/GMM, обеспечивая диаризацию в режиме, более быстром, чем реальное время.