Phân loại cảm xúc trong hội thoại nói giữa người và máy

Bài báo này báo cáo về sự so sánh giữa các bộ đặc trưng âm thanh khác nhau và các thuật toán phân loại để phân loại các phát ngôn dựa trên trạng thái cảm xúc của người nói. Bộ dữ liệu được sử dụng cho phân tích đến từ một tập hợp hội thoại giữa người và máy thu được từ một ứng dụng thương mại. Nhận diện cảm xúc được đặt ra như một vấn đề nhận diện mẫu. Chúng tôi đã sử dụng ba kỹ thuật khác nhau - bộ phân loại phân biệt tuyến tính (LDC), bộ phân loại hàng xóm gần nhất (k-NN), và bộ phân loại máy vector hỗ trợ (SVC) - để phân loại các phát ngôn thành 2 lớp cảm xúc: tiêu cực và không tiêu cực. Trong nghiên cứu này, hai bộ đặc trưng đã được sử dụng; bộ đặc trưng cơ sở thu được từ thống kê mức độ phát ngôn của tần số và năng lượng của bài phát biểu, và bộ đặc trưng được phân tích bằng phân tích thành phần chính (PCA). PCA cho thấy hiệu suất tương đương với các bộ đặc trưng cơ sở. Tổng thể, LDC đạt được hiệu suất tốt nhất với tỷ lệ lỗi là 27,54% trên dữ liệu nữ và 25,46% trên nam giới với bộ đặc trưng cơ sở. Tuy nhiên, SVC cho thấy hiệu suất tốt hơn trong vấn đề khan hiếm dữ liệu.