Loading article…
会話における感情認識（ERC ）は感情認識のサブフィールドであり、2人以上の対話者との会話や対話から人間の感情をマイニングすることに焦点を当てています。[1]この分野のデータセットは通常、無料で大量のサンプルを許可するソーシャルプラットフォームから取得され、多くの場合マルチモーダルデータ（つまり、テキスト、視覚、および音響データの組み合わせ）が含まれます。[2]自己および対人関係の影響は、恐怖、怒り、喜び、驚きなどのいくつかの基本的な感情を識別する上で重要な役割を果たします[3]。感情ラベルがきめ細かくなるほど、正しい感情を検出するのが難しくなります。 ERCは、会話コンテキストモデリング、話者状態モデリング、会話における皮肉の存在、同じ対話者の連続した発話にわたる感情の変化など、いくつかの課題を提起します。 [1]
課題
ERCのタスクは、会話の各発話で話者が表現した感情を検出することです。ERCは、会話の文脈、対話者の精神状態、意図という3つの主要な要素に依存します。[1]
データセット
ERCではIEMOCAP、[4]、 SEMAINE、[5]、 DailyDialogue、[6]、MELD [7]の4つのデータセットが広く使用されています。この4つのデータセットのうち、MELDには複数パーティの対話が含まれています。
方法
ERCへのアプローチは、教師なし、半教師なし、教師あり[8]の方法で構成されています。人気のある教師あり手法には、定義済みの特徴の使用または組み合わせ、再帰型ニューラルネットワーク [9]（DialogueRNN [10]）、グラフ畳み込みネットワーク[11]（DialogueGCN [12]）、および注意ゲート階層型記憶ネットワーク[13]などがあります。ERCの最新の手法のほとんどはディープラーニングに基づいており、潜在的な話者状態モデリングのアイデアに依存しています。
会話における感情の原因認識
最近、会話における感情の原因を認識することに焦点を当てたERCの新しいサブタスクが登場しました。[14]このタスクを解決する方法は、言語モデルに基づく質問応答メカニズムに依存しています。RECCON [14]はこのタスクの重要なデータセットの1つです。
参照
参考文献
- ^ abc Poria, Soujanya; Majumder, Navonil; Mihalcea, Rada; Hovy, Eduard (2019). 「会話における感情認識：研究上の課題、データセット、最近の進歩」. IEEE Access . 7 : 100943–100953. arXiv : 1905.02947 . Bibcode :2019arXiv190502947P. doi :10.1109/ACCESS.2019.2929050. S2CID 147703962.
- ^ Lee, Chul Min; Narayanan, Shrikanth (2005 年 3 月)。「音声対話における感情の検出に向けて」IEEE Transactions on Speech and Audio Processing 13 ( 2): 293–303. doi :10.1109/TSA.2004.838534. S2CID 12710581。
- ^ Hazarika, Devamanyu; Poria, Soujanya; Zimmermann, Roger; Mihalcea, Rada (2019年10月)。 「生成会話モデルからの転移学習による会話における感情認識」。arXiv : 1910.04980 [cs.CL]。
- ^ Busso, Carlos; Bulut, Murtaza; Lee, Chi-Chun; Kazemzadeh, Abe; Mower, Emily ; Kim, Samuel; Chang, Jeannette N.; Lee, Sungbok; Narayanan, Shrikanth S. (2008-11-05). 「IEMOCAP: インタラクティブな感情的二者間モーションキャプチャデータベース」.言語リソースと評価. 42 (4): 335–359. doi :10.1007/s10579-008-9076-6. ISSN 1574-020X. S2CID 11820063.
- ^ McKeown, G.; Valstar, M.; Cowie, R.; Pantic, M.; Schroder, M. (2012-01-02). 「SEMAINE データベース: 人間と限定エージェント間の感情的色付けされた会話の注釈付きマルチモーダル記録」. IEEE Transactions on Affective Computing . 3 (1): 5–17. doi :10.1109/t-affc.2011.20. ISSN 1949-3045. S2CID 2995377.
- ^ Li、Yanran、Hui Su、Xiaoyu Shen、Wenjie Li、Ziqiang Cao、および Shuzi Niu。「DailyDialog: 手動でラベル付けされたマルチターン対話データセット」。第 8 回国際自然言語処理合同会議の議事録 (第 1 巻: 長編論文)、pp. 986-995。2017 年。
- ^ Poria, Soujanya; Hazarika, Devamanyu; Majumder, Navonil; Naik, Gautam; Cambria, Erik; Mihalcea, Rada (2019). 「MELD: 会話における感情認識のためのマルチモーダル・マルチパーティ・データセット」。計算言語学協会第57回年次会議議事録。米国ペンシルバニア州ストウズバーグ：計算言語学協会：527–536。arXiv ：1810.02508。doi ：10.18653/v1 / p19-1050。S2CID 52932143。
- ^ Abdelwahab, Mohammed; Busso , Carlos (2005 年 3 月)。「音声からの感情認識のための教師ありドメイン適応」。2015 IEEE 国際音響、音声、信号処理会議 (ICASSP)。pp. 5058–5062。doi :10.1109/ ICASSP.2015.7178934。ISBN 978-1-4673-6997-8. S2CID 8207841。
{{cite book}}:|journal=無視されました (ヘルプ) - ^ チェルニフ、ウラジミール;プリホトコ、パベル。キング、アーウィン（2019年7月）。 「リカレントニューラルネットワークによる音声からの感情認識」。arXiv : 1701.08071 [cs.CL]。
- ^ Majumder, Navonil; Poria, Soujanya; Hazarika, Devamanyu; Mihalcea, Rada; Gelbukh, Alexander; Cambria, Erik (2019-07-17). 「DialogueRNN: 会話における感情検出のための注意深い RNN」。AAAI人工知能会議 議事録。33 : 6818–6825。arXiv : 1811.00405。doi : 10.1609 /aaai.v33i01.33016818。ISSN 2374-3468。
- ^ 「グラフ畳み込みネットワークが感情認識を機械に近づける。その方法とは」。Tech Times。2019年11月26日。 2020年2月25日閲覧。
- ^ Ghosal, Deepanway; Majumder, Navonil; Soujanya, Poria (2019年8月)。DialogueGCN : 会話における感情認識のためのグラフ畳み込みニューラルネットワーク。自然言語処理における経験的手法に関する会議 (EMNLP)。
- ^ Jiao, Wenxiang; R. Lyu, Michael; King, Irwin (2019年11月)。 「注意ゲート階層型メモリネットワークによるリアルタイム感情認識」。arXiv : 1911.09075 [cs.CL]。
- ^ ab ポリア、ソウジャンヤ;マジュムデル、ナボニル。ハザリカ、デヴァマニュ。ゴサル、ディーパンウェイ。バルドワジ、リシャブ。ジャン、サムソン・ユー・バイ。ホン、ペンフェイ。ゴーシュ、ロミラ。ロイ、アビナバ。チャヤ、ニヤティ。ゲルブフ、アレクサンダー（2021-09-13）。 「会話における感情の原因を認識する」。コグニティブコンピューティング。13 (5): 1317–1332。arXiv : 2012.11820。土井：10.1007/s12559-021-09925-7。ISSN 1866-9964。S2CID 229349214。