The FUSION approach: (described in

The FUSION approach: (described in Sections 3.1–3.2)
The fusion of acoustic and prosodic representations is described by equation (10). The acoustic representation of the audio data was implemented by the same MFCC-based features as were used in the above approaches. The prosodic features were derived at every speaker segment and were not changed during the clustering. When combining the ΔBIC measure from equation (8) and the prosodic measure from equation (9) into the weighted sum (10), the weighting parameter  needed to be set. This parameter was tuned on the development dataset and set to a value of 0.85. This was in accordance with our expectation that the main discriminative information for speaker clustering is stored in the acoustics, while the prosody provides only supplementary information. Note that we used the same penalty factor, λ=3.0, in the ΔBIC measure as was used in the baseline BIC approach. This approach is referred to as the clust_FUSION approach in our experiments.

Kết quả (Việt) 1:

Phương pháp tiếp cận tổng HỢP: (mô tả trong phần 3,1 – 3,2)Tổng hợp đại diện âm thanh và prosodic được mô tả bởi phương trình (10). Các đại diện âm thanh của các dữ liệu âm thanh đã được thực hiện bằng tính năng MFCC dựa trên tương tự như được sử dụng trong các phương pháp nêu trên. Các tính năng prosodic đã có nguồn gốc ở mọi phân khúc loa và không được thay đổi trong các cụm. Khi kết hợp ΔBIC đo từ phương trình (8) và các biện pháp prosodic từ phương trình (9) vào tổng trọng (10), nặng tham số  cần được thiết lập. Tham số này được điều chỉnh vào số liệu phát triển và thiết lập một giá trị của 0,85. Điều này là phù hợp với chúng tôi kỳ vọng rằng những thông tin chính discriminative cho loa clustering được lưu trữ trong âm, trong khi Yahoo! cung cấp chỉ có thông tin bổ sung. Lưu ý rằng chúng tôi sử dụng các yếu tố giống hình phạt, λ = 3.0, trong đo ΔBIC như được sử dụng trong đường cơ sở phương pháp tiếp cận của BIC. Cách tiếp cận này được gọi là phương pháp tiếp cận clust_FUSION trong các thí nghiệm của chúng tôi.

Kết quả (Việt) 2:

Cách tiếp cận FUSION: (mô tả trong mục 3,1-3,2)
Các phản ứng tổng hợp của cơ quan đại diện âm thanh và điệu tính được mô tả bởi phương trình (10). Các đại diện âm thanh của file âm thanh đã được thực hiện bởi các tính năng MFCC dựa trên tương tự như đã được sử dụng trong phương pháp trên. Các tính năng điệu tính đã được bắt nguồn ở mọi phân khúc loa và không được thay đổi trong các phân nhóm. Khi kết hợp các biện pháp ΔBIC từ phương trình (8) và các biện pháp điệu tính từ phương trình (9) vào tổng trọng (10), tham số trọng  cần phải được thiết lập. Thông số này được điều chỉnh trên các số liệu phát triển và đặt giá trị là 0,85. Điều này là phù hợp với kỳ vọng của chúng tôi rằng thông tin phân biệt chính cho loa phân nhóm được lưu trữ trong các âm thanh, trong khi thi pháp chỉ cung cấp thông tin bổ sung. Lưu ý rằng chúng tôi sử dụng các yếu tố cùng một hình phạt, λ = 3,0, trong các biện pháp ΔBIC như đã được sử dụng trong phương pháp tiếp cận BIC đường cơ sở. Cách tiếp cận này được gọi là phương pháp tiếp cận clust_FUSION trong các thí nghiệm của chúng tôi.