원문 발췌 (English Original)

ACCOMMODATING SAMPLE SIZE EFFECT ON SIMILARITY MEASURES IN SPEAKER CLUSTERING Alexander Haubold and John R. Kender Department of Computer Science, Columbia University ABSTRACT seconds) exhibits large degradation in performance. We also show that a similar effect exists for comparisons between We investigate the symmetric Kullback-Leibler (KL2) differently-sized feature segments. We have observed distance in speaker clustering and its unreported effects for decreasing accuracy the larger the difference in length of differently-sized feature matrices. Speaker data is two audio segments. represented as Mel Frequency Cepstral Coefficient (MFCC) We evaluate two alternative speaker clustering vectors, and features are compared using the KL2 metric to approaches based on vector quantization. The method form clusters of speech segments for each speaker. We proposed in [10] as a closed-form solution to KL2 for image make two observations with respect to clustering based on comparison exhibits a similar trend in sample size effect. KL2: 1.) The accuracy of clustering is strongly dependent Smaller sets of features generally result in less accurate on the absolute lengths of the speech segments and their comparisons. A modified version of VQ for speaker extracted feature vectors. 2.) The accuracy of the similarity identification [6] explicitly takes into consideration a measure strongly degrades with the length of the shorter of correcting factor for sample size. Comparisons based on this the two speech segments. These effects of length can be measure show less biased results with respect to the size of attributed to the measure of covariance used in KL2. We a speaker’s feature set. demonstrate an empirical correction of this sample-size effect that increases clustering accuracy. We draw parallels 2. BACKGROUND to two Vector Quantization-based (VQ) similarity measures, one which exhibits an equivalent effect of sample size, and The KL2 distance is used frequently in the context of the second being…

발췌문 번역 (Korean Translation)

스피커 클러스터링의 유사성 측정에 대한 샘플 크기 효과를 수용하는 Alexander Haubold와 John R. Kender Computer Science Department, Columbia University Abstract Sec 우리는 또한 대칭 kullback-leibler (KL2)의 다른 크기의 기능 세그먼트를 조사하는 것 사이의 비교를 위해 유사한 효과가 있음을 보여줍니다. 우리는 스피커 클러스터링의 거리와 정확도 감소를 위해보고되지 않은 효과를 관찰했습니다. 스피커 데이터는 두 개의 오디오 세그먼트입니다. MEL 주파수 CEPSTRAL COEFFICE (MFCC)로 표현되어 두 개의 대체 스피커 클러스터링 벡터를 평가하고 KL2 메트릭을 사용하여 벡터 양자화에 기초한 접근법을 사용하여 특징을 비교합니다. 이 방법은 각 스피커에 대한 음성 세그먼트의 클러스터를 형성합니다. 우리는 [10]에서 이미지에 대한 KL2에 대한 폐쇄 형 용액으로서 [10]에서 비교에 기초한 클러스터링과 관련하여 두 가지 관찰을하는 것은 표본 크기 효과에서 유사한 경향을 나타낸다. KL2 : 1.) 클러스터링의 정확도는 강력하게 의존적이며 작은 기능 세트는 일반적으로 음성 세그먼트의 절대 길이와 비교에 덜 정확하지 않습니다. 스피커 추출 기능 벡터 용 VQ의 수정 된 버전. 2.) 유사성 식별의 정확성 [6]은 샘플 크기에 대한 수정 계수의 짧은 길이에 따라 측정 값을 크게 저하시키는 것을 명시 적으로 고려한다. 이를 기반으로 비교 두 가지 음성 세그먼트. 이러한 길이의 영향은 KL2에 사용 된 공분산 측정에 기인 한 크기와 관련하여 덜 바이어스 된 결과를 보여줄 수 있습니다. 우리는 스피커의 기능 세트입니다. 클러스터링 정확도를 증가시키는이 샘플 크기 효과의 경험적 보정을 보여줍니다. 우리는 2 개의 벡터 양자화 기반 (VQ) 유사성 측정에 대한 배경을 그립니다.이 측정 값은 샘플 크기의 동등한 효과를 나타내며 KL2 거리는 두 번째 존재의 맥락에서 자주 사용됩니다.