Emocijų atpažinimas panaudojant mašininio mokymo algoritmus

Abstract

Emocijų atpažinimas yra svarbus tiesioginiam bendravimui. Tobulėjant informacinėms technologijoms ir kalbos atpažinimo technologijoms, būtina išmokyti kompiuterines sistemas atpažinti emocijas. Šiame darbe buvo kuriamas metodas 7 pagrindinėms emocijoms (baimės, liūdesio, džiaugsmo, bjaurėjimosi, pykčio, nuostabos, neutralios) atpažinti iš lietuvių kalbos garso įrašų naudojant akustinius požymius. Tarpusavyje palyginti 7 mašininio mokymo algoritmai - multinominė logistinė regresija, sprendimų medis, artimiausio kaimyno metodas, paprastasis Bajeso klasifikatorius, atraminių vektorių metodas, daugiasluoksnis perceptronas ir konvoliuciniai neuroniniai tinklai. Geriausi rezultatai gauti naudojant daugiasluoksnį perceptroną.

It is widely accepted that emotion recognition is a vitally important factor for communication. Despite the constant improvement of speech recognition, emotion detection is a field that remains certainly underdeveloped. In this study a set of seven emotions will be attempted to recognize: fear, sadness, happiness, disgust, angriness, surprise and neutral. Acoustic features were extracted from Lithuanian voice signals and seven machine learning methods were applied for the emotion recognition: Multinomial Logistic Regression, Decision Tree, K- Nearest Neighbor Classifier, Naïve Bayess Classifier, Support Vector Machine, Multilayer Perceptron and Convolutional Neural Network. The best recognition accuracy was obtained using Multilayer Perceptron.