8、时间序列多维对话特征可视化方法在会议分析中的应用

时间序列多维对话特征可视化方法在会议分析中的应用

1. 会议分析研究概述

会议分析有多种类型，近年来自动语音识别（ASR）技术的进步使得基于会议发言内容进行分析变得更加容易。在以往的研究中，有不同的团队针对会议分析开发了相关系统和方法。

1.1 会议的发散与收敛分析

有研究聚焦于会议的发散和收敛情况，并提出了一种从转录文本自动估计它们的方法。将会议划分为 20 个片段，定义了代表性和新鲜感两个指标。代表性是指每个片段与会议整体主题的相关程度，新鲜感是指该片段中新词的程度。发散模式定义为低代表性和高新鲜感，收敛模式定义为高代表性和低新鲜感。在本次研究中，提取并可视化这两个指标用于会议分析。

1.2 相关会议分析系统研究

• Praharaj 等人的研究 ：将同地协作（CC）的指标分为社交（如发言时间、手势等非语言音频指标）和认知空间（如对话内容等语言音频指标）。列出了角色和知识共建作为认知参数，主导地位、积极参与、专业知识和融洽关系作为社交参数，并给出了这些参数的协作质量操作化指标。例如，角色的指标包括“从关键词检测到的涵盖主题”“常用关键词和短语”，其协作质量操作化是“与会议议程的主题接近度”“常用词汇和短语与角色的接近度”。他们构建了一个专门关注认知空间的会议分析系统，使用仪表盘进行角色分析和可视化。
• Chandrasegaran 等人的研究 ：开发了“TalkTraces”作为专注于会议语言内容的支持系统。它集成了语音识别、自然语言处理、主题建模和词嵌入，能实时可视化帮助团队识别讨论主题和了解议程项目。使用 LDA 进行