面向说话人日志的多原型驱动图神经网络方法

来源：计算机应用研究杂志2025年第6期北京时间：

作者：毛青青,贾洪杰,朱必松,

单位：江苏大学计算机科学与通信工程学院,江苏镇江212013；

摘要：最近，图神经网络在会话级建模中的应用，已显示出其在说话人日志任务上的有效性。然而，现有的大多数图神经网络变体仅依赖于局部结构信息，忽略了全局说话人信息的重要性，无法充分弥补说话人日志任务中说话人信息不足的问题。提出了面向说话人日志的多原型驱动图神经网络方法（MPGNN）用于表示学习，该方法在每个会话中有效地结合了局部和全局说话人信息，并同时将x-vector重新映射到一个更适合聚类的新的嵌入空间。此外，多原型学习模块的设计采用了动态自适应的方法，这一关键组件能够捕获更准确的全局说话人信息。实验结果表明，所提出的MPGNN方法显著优于基线系统，能在AMI_SDM和CALLHOME数据集上分别达到3.33%、3.52%、5.66%和6.52%的说话人日志错误率（DER）。

关键词：说话人日志,图神经网络,局部结构信息,全局说话人信息,多原型学习,

基金资助：江苏省自然科学基金资助项目(BK20190838)；；