用于长音频活动识别的语法引导层次解析

长音频具有内在的层次性：细粒度事件构成子活动，子活动进而构成更高层活动。已有工作常分别建模这些层次，导致跨层不一致且需在多层提供监督。我们将该问题表述为基于事件级证据的层次解析：给定带类别后验的检测事件段，推断顺序一致的“活动-子事件”解析树。我们提出层次活动语法（Hierarchical Activity Grammar），编码层次组合与时序约束，并执行结合事件证据与语法先验的语法引导解码。这产生一棵时间对齐的解析树，由此导出子活动分割与活动分类，且训练无需子活动或活动标注。在长音频MultiAct数据集上的实验显示出改进的时序一致性（Edit score）并生成可解释的层次结构。