تشخیص حس در گفتار فارسی با استفاده از ویژگی های آکوستیکی

بیان احساس در ارتباطات روز مره انسان از جایگاه ویژه ای برخوردار است یکی از بسترهای نمود احساس، گفتار است از این رو یکی از جنبه های مهم درطبیعی سازی ارتباط میان انسان و ماشین تشخیص حس گفتار و تولید بازخورد متناسب با احساس درک شده است علیرغم پیشرفت هایگسترده در حوزه پردازش گفتار استخراج و درک احساس پنهان در گفتار انسان (مانند خشم، شادی و غیره) ازیک سو و تولید گفتار احساسی مناسب از سوی دیگر همچنان یکی از چالش های مهم برای ساخت ماشین هایه وشمند محسوب می شود در این مقاله یک سیستم وابسته به گوینده برای تشخیص حس گفتار فارسی ارائه شده است منظور از تشخیص وابسته به گوینده حس گفتار، شناسایی خودکار حالت احساسی یک یا چند گوینده خاص با استفاده از نمونه های گفتاری آنهاست. در طراحی سیستم معرفی شده از روش های آماری استفاده شده و معماری آن شامل دو بخش اصلی استخراج ویژگی و آموزش مدل می شود در مرحله استخراج ویزگی 28 ویژگی آکوستیکی شامل اطلاعات مربوط به فرکانس گام، ساخت سه فرمنت اول و دامنه از نمونه های گفتار احساسی دو گوینده (یک مرد و یک زن) به طور مجزا و به ازای شش حس مختلف خشم، تنفر، ترس، شادی، غم و خنثی استخراج شده است پس از تشکیل بردار ویژگی سه روش دسته بندی شامل ماشین بردار پشتیبان، k نزدیکترین همسایه و شبکه عصبی آموزش داده شده اند در نهایت سه روش پیاده سازی شده با استفاده از پاره گفتارهای احساسی داده آزمون مورد ارزیابی قرار گرفته و دقت آنها مشخص شد با مقایسه عملکرد سه روشد سته بندی مشخص شد که بیشترین دقت برای گوینده مرد و زن به ترتیب مربوط به ماشین بردار پشتیبان (97%) و شبکه عصبی (93%) بوده است این در حالیا ست که در آزمون انسانی میانگین دقت انسان در تشخیص حس پاره گفتارهای احساسی داده آزمون 78% و کمتر از دقت روشه ای دسته بندی گزارش شده است.

کلیدواژه ها:

تشخیص حس ، وابسته به گوینده ، ویژگی آکوستیکی ، گفتار فارسی