کاهش بعد ویژگی های مستقل از گوینده برای تشخیص حالت احساس از روی گفتار

احساس یک حالت روانی و فیزیولوژیکی است که با خلق و خوی افراد مرتبط است. از این رو تشخیص آن کار ساده اینیست. با وجود پیشرفتهای زیاد در حوزهی پردازش گفتار تشخیص حالت احساس با چالش های زیادی روبه رو است.برقراری ارتباط عاطفی میان انسانها و رباتها مهمترین کاربرد این حوزه است. یکی از چالش های اساسی در این حوزهکم بودن نمونه های آموزشی و بالا بودن بعد ماتریس ویژگی هاست که باعث می شود داده ها به درستی آموزش نبینند وسیستم در تشخیص حالت های احساسی دچار مشکل شود. به همین دلیل داشتن فضای مناسبی از ویژگی ها امری مهم وضروری به شمار می رود. علاوه بر این یکی از موانع تحقیق در حوزه ی پردازش حالت احساس از روی گفتار، نبود پایگاهداده به زبان فارسی است. برای این منظور پایگاه دادهای به زبان فارسی تدوین شد که دارای شش حالت احساسی میباشدو با داشتن تعداد گویندگان زیاد به نوعی مستقل از گوینده به حساب می آید. در این مقاله از متدهای مختلف همبستگی ازجمله: کانونی، پیرسون، اسپیرمن و کندال برای انتخاب ویژگی های مناسب استفاده شد. به دلیل اینکه تعداد گویندگان زیاداست و هدف داشتن فضای کاهش یافتهای است که بتواند مستقل از گوینده عمل کند، ویژگیهای انتخاب شده به دسته هایمجزا تقسیم شدند کاهش بعد روی هر دسته صورت گرفت. فضای بدست آمده از هر دسته در کنار هم قرار گرفته و مجددکاهش بعد یافت و در پایان به طبقه بند داده شد. آزمایشات با دیتاست زبان آلمانی مقایسه شد. نتایج بدست آمده با استفادهاز دیتاست زبان آلمانی بهتر شد اما با توجه به این که پایگاه داده ی پیشنهادی به گفتار عامیانه نزدیکتر میباشد و شاملنویز زمینه از جمله سرو صدا و بوق ماشین است بهتر بودن نتایج دیتاست زبان آلمانی امری طبیعی به نظر می رسد.

کلیدواژه ها:

تشخیص احساس از روی گفتار ، انتخاب ویژگی با ناظر ، کاهش بعد ، پایگاه داده ی فارسی