将 DOVER-Lap 标签映射重构为图划分问题

我们近期提出了 DOVER-Lap，一种用于融合重叠感知说话人日志系统输出的方法。DOVER-Lap 通过使用基于全局信息贪婪搜索的标签映射方法，改进了其前身 DOVER。在本文中，我们在最大正交图划分问题的框架下分析该标签映射，并给出三点推论。首先，我们表明 DOVER-Lap 标签映射在输入规模上是指数级的，这在融合大量假设时构成挑战。随后我们重新审视 DOVER 标签映射算法，并提出一种改进，其在性能上接近 DOVER-Lap 且计算上易处理。我们还推导了该算法关于假设中说话人最大数量的近似界。最后，我们描述了一种随机局部搜索算法，它以高概率为该问题提供近最优的 $(1-\epsilon)$ 近似解。我们在 AMI 会议语料库上实证展示了方法的有效性。我们的代码公开可用：https://github.com/desh2608/dover-lap。