文献

J-GLOBAL ID：202102285760182277   整理番号：21A0476545

マルチタスク学習による発話対ごとに付与された複数ラベルの推定

Estimating Exchange-Level Annotations with Multitask Learning for Multimodal Dialogue Systems

著者 (4件)： 平野裕貴 (北陸先端科学技術大学院大) ,  岡田将吾 (北陸先端科学技術大学院大) ,  西本遥人 (大阪大 産科研) ,  駒谷和範 (大阪大 産科研)
資料名： 電子情報通信学会論文誌 A(Web)
巻： J104-A  号： 2  ページ： 84-94 (WEB ONLY)  発行年： 2021年02月01日 
JST資料番号： U0470A  ISSN： 1881-0195  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ユーザの状況に応じて応答する対話システムの開発には,ユーザの内面状態を推定するモデルが必要である.本論文では対話中のユーザから得られるマルチモーダル情報に基づき,発話対ごとに付与された,(1)興味度ラベル,(2)心象ラベル,(3)システムが話題を継続すべきかを示す話題継続ラベル,の3種類のラベルを推定する.これらのラベル間の類似性を考慮して,マルチタスク学習を新たに導入したマルチタスクディープラーニングモデルを提案する.入力には,韻律,顔表情,動作,言語などのマルチモーダル情報を特徴量として用い,各ラベルの値の推定結果を出力する.実験の結果,マルチタスク学習に基づく提案モデルにより,サポートベクトルマシンや通常のディープラーニングモデルと比較して,六つのタスクで高い推定性能が得られた.(著者抄録)

シソーラス用語： *機械学習 ,  多モード ,  計算機利用システム ,  発話 ,  コーパス ,  アノテーション ,  特徴抽出 ,  音韻論 ,  視覚 ,  仮説検定 ,  サポートベクトルマシン ,  ニューラルネットワーク ,  ラベル ,  t検定 ,  ディープニューラルネットワーク ,  深層学習
準シソーラス用語： *マルチタスク学習 ,  マルチモーダル ,  対話システム ,  ディープラーニング ,  対話コーパス ,  特徴量抽出 ,  韻律

分類 (1件)： 人工知能  (JE08000Z)

引用文献 (28件)：

• A. Vinciarelli, M. Pantic, and H. Bourlard, “Social signal processing: Survey of an emerging domain,” Image and vision computing, vol.27, no.12, pp.1743-1759, 2009.
• M. Araki, S. Tomimasu, M. Nakano, K. Komatani, S. Okada, S. Fujie, and H. Sugiyama, “Collection of multimodal dialog data and analysis of the result of annotation of users’ interest level,” Proc. LREC, pp.1-5, 2018.
• K. Komatani, S. Okada, H. Nishimoto, M. Araki, and M. Nakano, “Multimodal dialogue data collection and analysis of annotation disagreement,” Proc. IWSDS, pp.1-12, 2019.
• 駒谷和範,岡田将吾,“複数の主観評定を付与した人システム間マルチモーダル対話データの収集と分析,” 信学技報,HCS2019-33, Aug. 2019.
• Y. Hirano, S. Okada, H. Nishimoto, and K. Komatani, “Multitask prediction of exchange-level annotations for multimodal dialogue systems,” Proc. ACM ICMI, pp.85-94, 2019.

タイトルに関連する用語 (4件)： マルチタスク学習 ,  発話 ,  ラベル ,  推定