[發(fā)明專利]測量內容一致性的方法和設備、測量相似度的方法和設備

有效

• 申請?zhí)枺?/td>: 201110243107.5
• 申請日: 2011-08-19
• 公開（公告）號: CN102956237A
• 公開（公告）日: 2013-03-06
• 發(fā)明（設計）人: 蘆烈;胡明清
• 申請（專利權）人: 杜比實驗室特許公司
• 主分類號: G10L25/00
• 分類號: G10L25/00
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 杜誠;陳煒

1.一種測量第一音頻部分與第二音頻部分之間的內容一致性的方法，包括：

針對所述第一音頻部分中的每個音頻分段，

確定所述第二音頻部分中預定數(shù)目的音頻分段，其中所述第一音頻部分中的該音頻分段與所確定的音頻分段之間的內容相似度高于所述第一音頻部分中的該音頻分段與所述第二音頻部分中的所有其它音頻分段之間的內容相似度；以及

計算所述第一音頻部分中的該音頻分段與所確定的音頻分段之間的內容相似度的平均值；以及

將第一內容一致性計算為，針對所述第一音頻部分中的各音頻分段而計算的各平均值的平均值、最小值或最大值。

2.根據(jù)權利要求1所述的方法，進一步包括：

針對所述第二音頻部分中的每個音頻分段，

確定所述第一音頻部分中預定數(shù)目的音頻分段，其中所述第二音頻部分中的該音頻分段與所確定的音頻分段之間的內容相似度高于所述第二音頻部分中的該音頻分段與所述第一音頻部分中的所有其它音頻分段之間的內容相似度；以及

計算所述第二音頻部分中的該音頻分段與所確定的音頻分段之間的內容相似度的平均值；

將第二內容一致性計算為針對所述第二音頻部分中的各音頻分段而計算的各平均值的平均值、最小值或最大值；

基于所述第一內容一致性和所述第二內容一致性計算對稱內容一致性。

3.根據(jù)權利要求1或2所述的方法，其中，將所述第一音頻部分中的音頻分段s_i，l與所確定的音頻分段s_j，r之間的內容相似度S(s_i，l，s_j，r)中的每一個計算為所述第一音頻部分中的序列[s_i，l，...，s_i+L-1，l]與所述第二音頻部分中的序列[s_j，r，...，s_j+L-1，r]之間的內容相似度，L＞1。

4.根據(jù)權利要求3所述的方法，其中，通過應用動態(tài)時間規(guī)整方案或動態(tài)規(guī)劃方案來計算所述序列之間的內容相似度。

5.根據(jù)權利要求1或2所述的方法，其中，通過以下步驟來計算兩個音頻分段之間的內容相似度：

從所述音頻分段中提取第一特征向量；

根據(jù)所述特征向量生成用于計算所述內容相似度的統(tǒng)計模型；以及

基于所生成的統(tǒng)計模型計算所述內容相似度，

其中所述第一特征向量中的每一個中的所有特征值都是非負的且所述特征值的和為1，并且所述統(tǒng)計模型基于狄里克雷分布。

6.根據(jù)權利要求5所述的方法，其中，所述提取包括：

從所述音頻分段中提取第二特征向量；以及

針對所述第二特征向量中的每一個，計算用于測量該第二特征向量與參考向量中的每一個之間的關系的量，其中與所述第二特征向量相對應的所有量形成所述第一特征向量中的一個。

7.根據(jù)權利要求6所述的方法，其中，通過以下方法之一確定所述參考向量：

隨機產生法，其中隨機生成所述參考向量；

無監(jiān)督聚類法，其中提取自訓練樣本的訓練向量被分組為聚類，并計算所述參考向量以分別代表所述聚類；

監(jiān)督建模法，其中根據(jù)所述訓練向量來人工定義和學習所述參考向量；以及

特征分解法，其中將所述參考向量計算為以所述訓練向量作為行的矩陣的特征向量。

8.根據(jù)權利要求6所述的方法，其中，通過以下各量之一測量所述第二特征向量與所述參考向量中的每一個之間的關系：

所述第二特征向量與該參考向量之間的距離；

所述第二特征向量與該參考向量之間的相關；

所述第二特征向量與該參考向量之間的內積；以及

該參考向量的以所述第二特征向量作為相關證據(jù)的后驗概率。