مروری بر تشخیص هیجانات از روی سیگنال گفتار با کمک شبکه های عصبی

تشخیص هیجان از گفتار به عنوان یکی از شاخه های کلیدی محاسبات عاطفی، نقشی حیاتی در بهبود تعامل انسان و کامپیوتر ایفا می کند. در دهه ی اخیر، شبکه های عصبی عمیق به پارادایم غالب برای حل این مسئله تبدیل شده اند و با توانایی یادگیری خودکار نمایش های سلسله مراتبی از داده های خام، مدل های سنتی مبتنی بر مهندسی ویژگی را کنار زده اند. این مقاله مروری، با تحلیل و بررسی عمیق هشت مقاله ی کلیدی و پراستناد که بین سال های ۲۰۱۴ تا ۲۰۲۴ منتشر شده اند، به صورت نظام مند به ارزیابی سیر تکاملی این حوزه می پردازد. روندهای اصلی شناسایی شده شامل گذار از خودرمزگذارها برای انطباق دامنه به معماری های ترکیبی شبکه های کانولوشنی و بازگشتی، و در نهایت شبکه های پیشرفته ای مانند شبکه های کپسولی است. همچنین، این بررسی نشان می دهد که تمرکز پژوهش ها از دستیابی به دقت بالا در یک پایگاه داده ی واحد، به سمت حل چالش حیاتی تعمیم پذیری بین پایگاه داده ای تغییر یافته است. در نهایت، ضمن ارائه ی آخرین دستاوردهای این حوزه، که به دقت های بسیار بالا بر روی مجموعه داده های ترکیبی دست یافته اند، چالش های باقی مانده برای پیاده سازی این سیستم ها در دنیای واقعی مورد بحث قرار می گیرد.

کلیدواژه ها:

تشخیص هیجان از گفتار ، شبکه های عصبی عمیق ، یادگیری عمیق ، بازشناسی گفتار