論文の概要: EMOTHAW: A novel database for emotional state recognition from handwriting

• arxiv url: http://arxiv.org/abs/2202.12245v1
• Date: Wed, 23 Feb 2022 15:15:44 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-25 16:14:00.749314
• Title: EMOTHAW: A novel database for emotional state recognition from handwriting
• Title（参考訳）: EMOTHAW:手書きによる感情状態認識のための新しいデータベース
• Authors: Laurence Likforman-Sulem, Anna Esposito, Marcos Faundez-Zanuy, Stephan Clemen\c{c}on, Gennaro Cordasco
• Abstract要約: EMOTHAWと呼ばれる感情状態と手書きを関連づけた最初の公開手書きデータベースを提案する。 本データベースは、抑うつ不安ストレス尺度(DASS)によって感情状態が評価された129人の被験者のサンプルを含む。 記録はペンの位置、紙上および空気中の位置、タイムスタンプ、圧力、ペン方位、高度で構成されている。
• 参考スコア（独自算出の注目度）: 2.4149105714758545
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The detection of negative emotions through daily activities such as handwriting is useful for promoting well-being. The spread of human-machine interfaces such as tablets makes the collection of handwriting samples easier. In this context, we present a first publicly available handwriting database which relates emotional states to handwriting, that we call EMOTHAW. This database includes samples of 129 participants whose emotional states, namely anxiety, depression and stress, are assessed by the Depression Anxiety Stress Scales (DASS) questionnaire. Seven tasks are recorded through a digitizing tablet: pentagons and house drawing, words copied in handprint, circles and clock drawing, and one sentence copied in cursive writing. Records consist in pen positions, on-paper and in-air, time stamp, pressure, pen azimuth and altitude. We report our analysis on this database. From collected data, we first compute measurements related to timing and ductus. We compute separate measurements according to the position of the writing device: on paper or in-air. We analyse and classify this set of measurements (referred to as features) using a random forest approach. This latter is a machine learning method [2], based on an ensemble of decision trees, which includes a feature ranking process. We use this ranking process to identify the features which best reveal a targeted emotional state. We then build random forest classifiers associated to each emotional state. Our results, obtained from cross-validation experiments, show that the targeted emotional states can be identified with accuracies ranging from 60% to 71%.
• Abstract（参考訳）: 手書きなどの日常的な活動を通じて負の感情を検出することは、幸福を促進するのに有用である。 タブレットなどのヒューマンマシンインタフェースの普及により,手書きサンプルの収集が容易になる。 本研究では,感情状態と手書きを関連付けた最初の公開手書きデータベースであるEMOTHAWについて述べる。 このデータベースには、不安、抑うつ、ストレスといった感情状態が抑うつ不安ストレス尺度(DASS)によって評価される129人の被験者のサンプルが含まれている。 ペンタゴンとハウスドローイング、手書きでコピーした単語、円と時計のドローイング、筆記体でコピーされた一文の7つのタスクがデジタル化タブレットを通じて記録される。 記録はペンの位置、紙上および空気中の位置、タイムスタンプ、圧力、ペン方位、高度で構成されている。 このデータベースについて分析を報告する。 収集したデータから、まずタイミングとダクトに関する測定値を計算する。 紙上または空中の書き込み装置の位置に応じて、別々の測定値を計算する。 我々は、ランダムな森林アプローチを用いて、この一連の測定(特徴として参照)を分析し、分類する。 後者は、特徴ランク付けプロセスを含む決定木のアンサンブルに基づく機械学習手法[2]である。 このランキングプロセスを使用して、ターゲットとする感情状態を最もよく示す特徴を識別します。 次に、各感情状態に関連するランダムな森林分類器を構築する。 クロスバリデーション実験の結果,対象の感情状態を60%から71%の精度で識別できることがわかった。

関連論文リスト

• Construction and Evaluation of Mandarin Multimodal Emotional Speech Database [0.0]
  次元アノテーションの妥当性は次元アノテーションデータの統計的解析によって検証される。 7つの感情の認識率は、音響データだけで約82%である。 データベースは高品質であり、音声分析研究の重要な情報源として利用することができる。
  論文  参考訳（メタデータ） (2024-01-14T17:56:36Z)
• DepressionEmo: A novel dataset for multilabel classification of depression emotions [6.26397257917403]
  DepressionEmoは、Redditの長いユーザー投稿の6037例によって、うつ病に関連する8つの感情を検出するために設計されたデータセットである。 このデータセットは、事前訓練されたモデルのゼロショット分類による入力に対する多数決によって作成された。 本稿では,SVM,XGBoost,Light GBMなどの機械学習手法と,BERT,GAN-BERT,BARTなどのディープラーニング手法の2つのグループに分類されるテキスト分類手法を提案する。
  論文  参考訳（メタデータ） (2024-01-09T16:25:31Z)
• Semantic Similarity Models for Depression Severity Estimation [53.72188878602294]
  本稿では、ソーシャルメディアの文章に基づいて、個人のうつ病の重症度を研究するための効率的なセマンティックパイプラインを提案する。 我々は,抑うつ症状と重度レベルに対応する代表訓練文の指標に対して意味的ランキングを生成するために,テストユーザ文を使用する。 本手法を2つのRedditベースのベンチマークで評価し,うつ病の重症度を指標として,最先端技術よりも30%改善した。
  論文  参考訳（メタデータ） (2022-11-14T18:47:26Z)
• PART: Pre-trained Authorship Representation Transformer [64.78260098263489]
  文書を書く著者は、語彙、レジストリ、句読点、ミススペル、絵文字の使用など、テキスト内での識別情報をインプリントする。 以前の作品では、手作りのフィーチャや分類タスクを使用して著者モデルをトレーニングし、ドメイン外の著者に対するパフォーマンスの低下につながった。 セマンティクスの代わりにtextbfauthorship の埋め込みを学習するために、対照的に訓練されたモデルを提案する。
  論文  参考訳（メタデータ） (2022-09-30T11:08:39Z)
• Seeking Subjectivity in Visual Emotion Distribution Learning [93.96205258496697]
  視覚感情分析(VEA)は、人々の感情を異なる視覚刺激に向けて予測することを目的としている。 既存の手法では、集団投票プロセスにおいて固有の主観性を無視して、統合されたネットワークにおける視覚的感情分布を予測することが多い。 視覚的感情分布の主観性を調べるために,新しいテキストサブジェクティビティ評価ネットワーク(SAMNet)を提案する。
  論文  参考訳（メタデータ） (2022-07-25T02:20:03Z)
• Gender classification by means of online uppercase handwriting: A text-dependent allographic approach [0.0]
  本稿では,オンライン手書きによる性別分類方式を提案する。 文字のダイナミクスをキャプチャするデジタルタブレットで取得したサンプルを使用して、著者を男性または女性に分類する。
  論文  参考訳（メタデータ） (2022-03-18T10:37:19Z)
• Writer Recognition Using Off-line Handwritten Single Block Characters [59.17685450892182]
  我々は、生年月日DoBの6桁の個人番号を使用する。 本稿では,方向測定を行う手作り特徴に基づく認識手法と,ResNet50モデルによる深い特徴に基づく認識手法について検討する。 その結果,DoBでは手書き情報に同一性関連情報が6桁程度存在することがわかった。
  論文  参考訳（メタデータ） (2022-01-25T23:04:10Z)
• Towards an IMU-based Pen Online Handwriting Recognizer [2.6707647984082357]
  慣性測定単位(IMU)に基づく音声認識のためのオンライン手書き認識システムを提案する。 これは、加速度、角速度、およびBluetooth経由で流れる磁力を提供するセンサー付きペンによって得られる。 本モデルは畳み込み型LSTMネットワークと双方向型LSTMネットワークを組み合わせることで,コネクショナリストの時間的分類損失をトレーニングする。
  論文  参考訳（メタデータ） (2021-05-26T09:47:19Z)
• EmoGraph: Capturing Emotion Correlations using Graph Networks [71.53159402053392]
  グラフネットワークを通じて異なる感情間の依存関係をキャプチャするEmoGraphを提案する。 EmoGraphは特にマクロF1において、強いベースラインを上回ります。 キャプチャーされた感情相関は、シングルラベルの分類作業にも有用であることを示す実験である。
  論文  参考訳（メタデータ） (2020-08-21T08:59:29Z)
• Emotion Carrier Recognition from Personal Narratives [74.24768079275222]
  パーソナル・ナラティブズ(Personal Narratives、PN)は、自分の経験から事実、出来事、思考を回想するものである。 感情キャリア認識(ECR)のための新しい課題を提案する。
  論文  参考訳（メタデータ） (2020-08-17T17:16:08Z)

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。