使用图注意力网络和标签传播算法的重叠社区检测说话人日志
声音
2025-06-04 v1 人工智能
音频与语音处理
摘要
在说话人日志中，传统的基于聚类的方法在现实应用中仍被广泛使用。然而，这些方法在处理说话人嵌入的复杂分布和重叠语音片段时存在困难。为了解决这些局限性，我们提出了一种基于图注意力网络和标签传播算法的重叠社区检测方法（OCDGALP）。所提出的框架包含两个关键组件：（1）一个图注意力网络，通过聚合来自邻居节点的信息来细化说话人嵌入和节点连接；（2）一个标签传播算法，为每个节点分配多个社区标签，从而实现同时聚类和重叠社区检测。实验结果表明，所提出的方法显著降低了日志错误率（DER），在没有 oracle 语音活动检测（VAD）的 DIHARD-III 数据集上实现了 15.94% 的 SOTA DER，在使用 oracle VAD 时达到了令人印象深刻的 11.07%。
引用
@article{arxiv.2506.02610,
title = {Speaker Diarization with Overlapping Community Detection Using Graph Attention Networks and Label Propagation Algorithm},
author = {Zhaoyang Li and Jie Wang and XiaoXiao Li and Wangjie Li and Longjie Luo and Lin Li and Qingyang Hong},
journal= {arXiv preprint arXiv:2506.02610},
year = {2025}
}