通过 DANTE 提升社交感知：用于对话群体聚类的深度亲和网络

我们提出了一种数据驱动方法来检测对话群体，通过识别这些专注社交场合中典型的空间布局。我们的方法使用一种新颖的深度亲和网络（DANTE）来预测场景中两个人属于同一对话群体的可能性，同时考虑他们的社会背景。然后将预测的成对亲和力用于图聚类框架，以识别小型（如二元组）和大型群体。在多个既定基准上进行的评估结果表明，与之前的方法相比，将强大的深度学习方法与经典聚类技术相结合可以改善对话群体的检测。最后，我们在人机交互场景中证明了我们的方法的实用性。我们的工作表明，我们的努力不仅在理论上，而且在实践中推动了群体检测的发展。