文献

J-GLOBAL ID：201002215858048892   整理番号：10A0468308

感情認識のためのクラスレベルスペクトル特徴

Class-level spectral features for emotion recognition

著者 (3件)： BITOUK Dmitri (Dep. of Radiology, Section of Biomedical Image Analysis, Univ. of Pennsylvania, 3600 Market Street, Suite 380 ...) ,  VERMA Ragini (Dep. of Radiology, Section of Biomedical Image Analysis, Univ. of Pennsylvania, 3600 Market Street, Suite 380 ...) ,  NENKOVA Ani (Dep. of Computer and Information Sci., Univ. of Pennsylvania, 3330 Walnut Street, Philadelphia, PA 19104, USA)
資料名： Speech Communication  (Speech Communication)
巻： 52  号： 7-8  ページ： 613-625  発行年： 2010年07月 
JST資料番号： W1590A  ISSN： 0167-6393  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 自動的感情認識に対する最も普通のアプローチは発話レベル韻律特徴に依存している。最近の研究では,セグメントのスペクトル特徴に関する発話レベル統計量にはまた表現性および感情に関する豊富な情報が含まれていることを示している。本研究では,より細粒度であるがロバストなスペクトル特徴集合を提案した。それらは,発話の中の強勢母音,強勢無し母音,子音,という3つの音素タイプの関心クラス上で計算されたメル周波数ケプストラム係数の統計量である。ここでは,2つの公開されて利用可能なデータセットを用いた話者独立感情認識タスクにおける提案特徴の性能について調べた。ここでの実験結果では,このタスクにとって,スペクトル特徴のより充実した集合と音素タイプクラス間の差別化の両者が実に有益であることを明らかに指摘している。韻律または発話レベルスペクトル特徴と比較して,提案特徴に対しては分類精度が一貫してより高くなる。提案音素クラス特徴と韻律特徴を組合せることにより,さらに進んだ改善が生まれる。大量のクラスレベルスペクトル特徴が与えられた時,特徴選択がさらに結果を改善することを期待したが,いくつかの選択手法のいずれもが明白な利得を生み出さなかった。さらなる解析により,発話の子音領域から計算されたスペクトル特徴には強勢または強勢されていない母音特徴のいずれかよりも多くの感情に関する情報が含まれていることを明らかにした。ここではまた,感情認識精度が発話の長さに依存する状況について調べた。発話レベル韻律特徴に対する大きな依存性は存在していないが,クラスレベルスペクトル特徴を用いた感情認識の精度は発話長とともに増大することを示した。Copyright 2010 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： 認識 ,  *特徴抽出 ,  *感情 ,  粒度 ,  ロバスト性 ,  特性 ,  スペクトル ,  発話 ,  音素 ,  母音 ,  子音 ,  言語学 ,  精度
準シソーラス用語： スペクトル特徴 ,  メルケプストラム ,  韻律 ,  *感情認識 ,  細粒度

分類 (2件)： パターン認識  (JE07000S) ,  応用心理学  (AE02000A)

タイトルに関連する用語 (3件)： 感情認識 ,  クラス ,  スペクトル特徴