論文の概要: A Novel Markovian Framework for Integrating Absolute and Relative Ordinal Emotion Information

• arxiv url: http://arxiv.org/abs/2108.04605v1
• Date: Tue, 10 Aug 2021 11:24:36 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-11 14:25:02.378259
• Title: A Novel Markovian Framework for Integrating Absolute and Relative Ordinal Emotion Information
• Title（参考訳）: 絶対的・相対的感情情報の統合のための新しいマルコフフレームワーク
• Authors: Jingyao Wu, Ting Dang, Vidhyasaharan Sethu, Eliathamby Ambikairajah
• Abstract要約: 我々は、この区別を明確化するために、絶対的および相対的順序ラベルという用語を導入する。 本稿では,絶対的および相対的順序情報の両方を利用する動的順序マルコフモデル (DOMM) と呼ばれるマルコフフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 39.48725844180254
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: There is growing interest in affective computing for the representation and prediction of emotions along ordinal scales. However, the term ordinal emotion label has been used to refer to both absolute notions such as low or high arousal, as well as relation notions such as arousal is higher at one instance compared to another. In this paper, we introduce the terminology absolute and relative ordinal labels to make this distinction clear and investigate both with a view to integrate them and exploit their complementary nature. We propose a Markovian framework referred to as Dynamic Ordinal Markov Model (DOMM) that makes use of both absolute and relative ordinal information, to improve speech based ordinal emotion prediction. Finally, the proposed framework is validated on two speech corpora commonly used in affective computing, the RECOLA and the IEMOCAP databases, across a range of system configurations. The results consistently indicate that integrating relative ordinal information improves absolute ordinal emotion prediction.
• Abstract（参考訳）: 順序尺度に沿った感情の表現と予測に対する感情コンピューティングへの関心が高まっている。 しかしながら、順序感情ラベル(ordinal emotion label)という用語は、低覚醒(low arousal)や高覚醒(high arousal)といった絶対的な概念と、高覚醒(arousal)のような関係概念の両方を指すのに用いられてきた。 本稿では,この区別を明確にするために,絶対ラベルと相対順序ラベルという用語を導入し,それらを統合し,それらの相補的な性質を活用しようとする。 本稿では,絶対的および相対的順序性情報を利用する動的順序性マルコフモデル(DOMM)と呼ばれるマルコフフレームワークを提案し,音声に基づく順序性感情予測を改善する。 最後に、このフレームワークは、感情コンピューティングで一般的に使用される2つの音声コーパス、RECOLAとIEMOCAPデータベースに対して、様々なシステム構成で検証される。 その結果、相対順序情報の統合は絶対順序感情予測を改善することが示唆された。

関連論文リスト

• Improved Text Emotion Prediction Using Combined Valence and Arousal Ordinal Classification [37.823815777259036]
  テキストから感情を分類する手法を導入し,様々な感情の相違点と相違点を認識・区別する。 提案手法は感情予測において高い精度を保ちながら,誤分類の場合の誤りの程度を著しく低減する。
  論文  参考訳（メタデータ） (2024-04-02T10:06:30Z)
• CORE: Learning Consistent Ordinal REpresentations for Image Ordinal Estimation [35.39143939072549]
  本稿では,本研究の基盤となるラベルに存在する順序関係から,本質的な一貫性のある順序表現(CORE)を学習することを提案する。 COREは、順序付き潜在空間を正確に構築し、より優れた結果を得るために既存の深い順序付き回帰法を大幅に強化することができる。
  論文  参考訳（メタデータ） (2023-01-15T15:42:26Z)
• A Dynamic Graph Interactive Framework with Label-Semantic Injection for Spoken Language Understanding [43.48113981442722]
  本稿では,まずラベルのセマンティック情報を利用して,モデルに付加的な信号を与え,よりリッチな事前情報を与える,DGIFというフレームワークを提案する。 本稿では,ラベルセマンティクスの注入に基づく対話型グラフ構築手法を提案する。
  論文  参考訳（メタデータ） (2022-11-08T05:57:46Z)
• Unifying the Discrete and Continuous Emotion labels for Speech Emotion Recognition [28.881092401807894]
  音声からの感情検出のためのパラ言語分析では、感情は離散的または次元的(連続的な評価)ラベルと同一視されている。 本研究では,連続的感情特性と離散的感情特性を共同で予測するモデルを提案する。
  論文  参考訳（メタデータ） (2022-10-29T16:12:31Z)
• Domain-level Pairwise Semantic Interaction for Aspect-Based Sentiment Classification [3.1977819149534987]
  Pairwise Semantic Interaction (PSI) モジュールを提案する。 各文のキーセマンティックな特徴を効果的に強調するために、異なるゲートが生成される。 最後に、ベクトル間の敵対的相互作用は、2つの文の意味表現をより区別しやすくするために用いられる。
  論文  参考訳（メタデータ） (2022-02-21T07:59:17Z)
• Spatial and Semantic Consistency Regularizations for Pedestrian Attribute Recognition [50.932864767867365]
  本稿では,各属性に対する空間的および意味的一貫性を実現するために,2つの相補的正規化からなるフレームワークを提案する。 属性の正確な位置に基づいて,本質的および識別的意味的特徴を抽出する意味的整合性正規化を提案する。 その結果,提案手法はパラメータを増大させることなく,最先端の手法に対して良好に動作することがわかった。
  論文  参考訳（メタデータ） (2021-09-13T03:36:44Z)
• Label Distribution Amendment with Emotional Semantic Correlations for Facial Expression Recognition [69.18918567657757]
  意味空間における表現間の相関を利用して,各顔画像のラベル分布を補正する手法を提案する。 各画像のセマンティックグラフとタスククラス関連グラフを比較することにより、そのラベル分布の信頼性を評価する。 実験により,提案手法は最先端手法と比較した場合よりも有効であることが示された。
  論文  参考訳（メタデータ） (2021-07-23T07:46:14Z)
• Compositional Generalization via Semantic Tagging [81.24269148865555]
  本稿では,シーケンス・ツー・シーケンスモデルの表現性と一般性を保存するための新しいデコードフレームワークを提案する。 提案手法は, モデルアーキテクチャ, ドメイン, セマンティックフォーマリズム間の構成一般化を一貫して改善することを示す。
  論文  参考訳（メタデータ） (2020-10-22T15:55:15Z)
• GRADE: Automatic Graph-Enhanced Coherence Metric for Evaluating Open-Domain Dialogue Systems [133.13117064357425]
  自動対話評価のためのグラフ強調表現のための新しい評価指標GRADEを提案する。 具体的には、対話コヒーレンスを評価するために、粗粒度発話レベルの文脈化表現と細粒度トピックレベルのグラフ表現の両方を組み込んでいる。 実験の結果,GRADEは多様な対話モデルの測定において,他の最先端の指標よりも優れていた。
  論文  参考訳（メタデータ） (2020-10-08T14:07:32Z)
• Dynamic Semantic Matching and Aggregation Network for Few-shot Intent Detection [69.2370349274216]
  利用可能な注釈付き発話が不足しているため、インテント検出は困難である。 セマンティック成分はマルチヘッド自己認識によって発話から蒸留される。 本手法はラベル付きインスタンスとラベルなしインスタンスの両方の表現を強化するための総合的なマッチング手段を提供する。
  論文  参考訳（メタデータ） (2020-10-06T05:16:38Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。