Глубокое распознавание эмоций в речи между корпусами: современные достижения и перспективы

Deep Cross-Corpus Speech Emotion Recognition: Recent Advances and Perspectives
Shiqing Zhang, Xiaoming Zhao, Ruixin Liu, Xin Tao
2021-11-29

кросс-корпусное распознавание эмоций речикросс-языковое распознавание эмоций речиглубокое обучениеадаптация к предметной областичеловеко-компьютерное взаимодействие
Автоматическое распознавание эмоций в речи (SER) представляет собой сложную составляющую человеко-компьютерного взаимодействия (HCI). В существующей литературе основное внимание уделяется оценке эффективности SER посредством обучения и тестирования на одном корпусе в условиях одного языка. Однако во многих практических приложениях между обучающим и тестовым корпусами существуют существенные различия. Вследствие разнообразия речевых эмоциональных корпусов и языков большинство ранее предложенных методов SER демонстрируют низкую эффективность при применении в реальных сценариях межкорпусного или межъязыкового распознавания. Воодушевлённые мощными возможностями методов глубокого обучения, появившихся в последние годы, исследователи всё чаще применяют различные современные модели глубокого обучения для межкорпусного SER. Цель данной статьи — представить актуальный и всесторонний обзор межкорпусного SER, уделяя особое внимание различным методам глубокого обучения, связанным с обучением с учителем, без учителя и с полуучителем в этой области. Кроме того, в статье рассматриваются различные проблемы и возможности, связанные с задачами межкорпусного SER, и обозначаются перспективные направления его дальнейшего развития.
1
Распознавание эмоций в речи между различными корпусами и языками существенно сложнее традиционной оценки на одном корпусе и одном языке из-за различий между обучающими и тестовыми распределениями.
2
Методы глубокого обучения всё чаще применяются для распознавания эмоций между корпусами благодаря их способности эффективно изучать признаки.
3
Многие существующие методы распознавания эмоций в речи плохо работают в реальных сценариях между корпусами и языками из-за разнообразия речевых эмоциональных корпусов и языков.
4
В статье выделяются основные проблемы, возможности и перспективные направления дальнейших исследований в области распознавания эмоций между корпусами.
5
В обзоре систематически рассматриваются контролируемые, неконтролируемые и полу-контролируемые методы глубокого обучения для распознавания эмоций между корпусами.

системы автоматического распознавания эмоций в речи между различными корпусами и языками

методы на основе глубокого обучения, эффективность, проблемы и перспективные направления распознавания эмоций в речи при различиях между обучающими и тестовыми корпусами или языками

Publication Details
Publication Date
2021-11-29
Journal
Publisher
ISSN
Cited by
48
Access Type
Author Information
Authors
Shiqing Zhang
Xiaoming Zhao
Ruixin Liu
Xin Tao
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%