抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
音声は効果的な通信において重要な役割を果たす。本論文では,各記録が販売代表者と顧客間の会話を含むコールセンターオーディオ記録を用いたコミュニケーションの有効性について検討した。その結果は,会話が行われており,そうでなければ否定的に終わるならば,肯定的であると考えられる。結果を予測するために2つの方法を提案した。第一の方法は,従来の機械学習アルゴリズムを,心理学研究(すなわち韻律的特徴)における音声の良く知られている音響特徴の小さな集合に対して使用する。3つの主要なステップからなるデータ処理パイプラインを開発した。1)音声記録は話者ターンによりセグメントに分割される。2)各セグメントから音響特徴を抽出する。そして,3)分類モデルは,会話結果を予測するために,音響特性に関して訓練した。第2の方法は,より大きな音声特徴集合に関する深い学習を用いる。各音声セグメントを固定区間部分に分割し,それから音響特徴ベクトルを計算し,深い畳込みニューラルネットワークへの入力として特徴行列を形成するために時間的にスタックした。実際のコールセンターデータに基づく実験結果は,Mel-周波数ケプストラム係数(MFCCs),音色およびChroma特徴のような音響特徴が呼成功の良い指標であり,韻律的特徴よりはるかに良いことを示した。音声記録における時間情報は,改善された予測精度のために,深い畳込みニューラルネットワークにより,最大8%まで捕捉できる。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】