H-QuEST：加速基于层次索引的查询示例 spoken term 检索
音频与语音处理
2025-06-23 v1
摘要
查询示例 spoken term 检索（QbE-STD）通过样本 spoken query 在音频数据集中搜索匹配单词或短语。当标注数据有限或不可用时，QbE-STD 常采用动态时间规整（DTW）等模板匹配方法，计算代价高昂且难以扩展。为此，我们提出了 H-QuEST（Hierarchical Query-by-Example Spoken Term Detection），一种新型框架，通过利用通过先进音频表示学习技术获得的基于术语频率（TF）和逆文档频率（IDF）的稀疏表示，结合层次可导航小世界（HNSW）索引进行进一步优化，从而加速 spoken term 检索。实验结果表明，H-QuEST 在不牺牲准确性的前提下，相较于现有方法显著提升了检索速度。
引用
@article{arxiv.2506.16751,
title = {H-QuEST: Accelerating Query-by-Example Spoken Term Detection with Hierarchical Indexing},
author = {Akanksha Singh and Yi-Ping Phoebe Chen and Vipul Arora},
journal= {arXiv preprint arXiv:2506.16751},
year = {2025}
}