論文の概要: Semi-supervised cross-lingual speech emotion recognition
- arxiv url: http://arxiv.org/abs/2207.06767v1
- Date: Thu, 14 Jul 2022 09:24:55 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-15 23:04:03.061545
- Title: Semi-supervised cross-lingual speech emotion recognition
- Title（参考訳）: 半教師付き言語間感情認識
- Authors: Mirko Agarla, Simone Bianco, Luigi Celona, Paolo Napoletano, Alexey
Petrovsky, Flavio Piccoli, Raimondo Schettini, Ivan Shanin
- Abstract要約: 言語間音声の感情認識は、現実世界のアプリケーションでは依然として課題である。
我々は,新たな言語からのラベルがいくつか利用可能である場合に,言語間感情認識のための半教師付き学習(SSL)手法を提案する。
畳み込みニューラルネットワーク (CNN) を用いて, ラベルなし発話に対する擬似ラベル付け手法を応用し, 新たな言語に適応する手法を提案する。
- 参考スコア（独自算出の注目度）: 26.544999411050036
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Speech emotion recognition (SER) on a single language has achieved remarkable
results through deep learning approaches over the last decade. However,
cross-lingual SER remains a challenge in real-world applications due to (i) a
large difference between the source and target domain distributions, (ii) the
availability of few labeled and many unlabeled utterances for the new language.
Taking into account previous aspects, we propose a Semi-Supervised Learning
(SSL) method for cross-lingual emotion recognition when a few labels from the
new language are available. Based on a Convolutional Neural Network (CNN), our
method adapts to a new language by exploiting a pseudo-labeling strategy for
the unlabeled utterances. In particular, the use of a hard and soft
pseudo-labels approach is investigated. We thoroughly evaluate the performance
of the method in a speaker-independent setup on both the source and the new
language and show its robustness across five languages belonging to different
linguistic strains.
- Abstract（参考訳）: 単一の言語上での音声感情認識(SER)は,過去10年間のディープラーニングアプローチを通じて,顕著な成果を上げている。
しかし、言語横断SERは現実世界のアプリケーションでは依然として課題である。
(i)ソースとターゲットドメインの分布に大きな違いがある。
(ii)新しい言語にはラベル付きがほとんどなく、ラベルなしの発話が多数ある。
従来の側面を考慮し,新たな言語からのラベルがいくつか用意されている場合に,言語間感情認識のためのセミ・スーパーバイザード・ラーニング(SSL)手法を提案する。
畳み込みニューラルネットワーク (CNN) をベースとして, ラベルなし発話に対する擬似ラベル付け戦略を利用して新しい言語に適応する手法を提案する。
特に,硬質で軟質な擬似ラベルを用いた手法について検討した。
情報源と新言語の両方で話者に依存しない設定で提案手法の性能を徹底的に評価し,異なる言語系統に属する5言語にまたがるロバスト性を示す。
関連論文リスト
- Crowdsourcing Lexical Diversity [7.569845058082537]
本稿では,レキシコンのバイアス低減のための新しいクラウドソーシング手法を提案する。
群衆労働者は2つの言語からの語彙を比較し、親族や食べ物といった語彙の多様性に富む領域に焦点を当てる。
食品関連用語に焦点をあてた2つのケーススタディに適用し,本手法の有効性を検証した。
論文 参考訳（メタデータ） (2024-10-30T15:45:09Z) - A New Method for Cross-Lingual-based Semantic Role Labeling [5.992526851963307]
英語とペルシア語のセマンティック・ロール・ラベリングを訓練するためのディープラーニングアルゴリズムが提案されている。
その結果,Niksirt et al.のモデルと比較すると,有意な改善が認められた。
セマンティックロールラベリングのための言語間メソッドの開発は、約束を守る。
論文 参考訳（メタデータ） (2024-08-28T16:06:12Z) - Quantifying the Dialect Gap and its Correlates Across Languages [69.18461982439031]
この研究は、明らかな相違を明らかにし、マインドフルなデータ収集を通じてそれらに対処する可能性のある経路を特定することによって、方言NLPの分野を強化する基盤となる。
論文 参考訳（メタデータ） (2023-10-23T17:42:01Z) - Improving Self-training for Cross-lingual Named Entity Recognition with
Contrastive and Prototype Learning [80.08139343603956]
言語横断的な実体認識において、自己学習は言語的ギャップを埋めるために一般的に用いられる。
本研究では,表現学習と擬似ラベル改善を組み合わせることで,言語間NERの自己学習を改善することを目的とする。
提案手法,すなわちContProtoは主に,(1)コントラスト型自己学習と(2)プロトタイプベース擬似ラベルの2つのコンポーネントから構成される。
論文 参考訳（メタデータ） (2023-05-23T02:52:16Z) - Few-Shot Cross-Lingual Stance Detection with Sentiment-Based
Pre-Training [32.800766653254634]
本研究は,現在までの言語間スタンス検出に関する最も包括的な研究である。
6つの言語ファミリーの12言語で15の多様なデータセットを使用します。
実験では,新しいラベルエンコーダの追加を提案し,パターン探索トレーニングを構築した。
論文 参考訳（メタデータ） (2021-09-13T15:20:06Z) - AM2iCo: Evaluating Word Meaning in Context across Low-ResourceLanguages
with Adversarial Examples [51.048234591165155]
本稿では, AM2iCo, Adversarial and Multilingual Meaning in Contextを提案する。
言語間文脈における単語の意味の同一性を理解するために、最先端(SotA)表現モデルを忠実に評価することを目的としている。
その結果、現在のSotAプリトレーニングエンコーダは人間のパフォーマンスにかなり遅れていることが明らかとなった。
論文 参考訳（メタデータ） (2021-04-17T20:23:45Z) - Unsupervised Cross-Lingual Speech Emotion Recognition Using
DomainAdversarial Neural Network [48.1535353007371]
SER(Cross-domain Speech Emotion Recog-nition)は、ソースとターゲットドメイン間の分散シフトによる課題である。
本論文では,この分散シフトを緩和するためのDANN(Domain Adversarial Neural Network)ベースのアプローチを提案する。
論文 参考訳（メタデータ） (2020-12-21T08:21:11Z) - Leveraging Adversarial Training in Self-Learning for Cross-Lingual Text
Classification [52.69730591919885]
本稿では,ラベル保存型入力摂動の最大損失を最小限に抑える半教師付き対向学習法を提案する。
多様な言語群に対する文書分類と意図分類において,有効性が著しく向上するのを観察する。
論文 参考訳（メタデータ） (2020-07-29T19:38:35Z) - Robust Cross-lingual Embeddings from Parallel Sentences [65.85468628136927]
本稿では,文整合コーパスを利用して頑健な言語間単語表現を実現するCBOW手法のバイリンガル拡張を提案する。
提案手法は,他のすべての手法と比較して,言語間文検索性能を著しく向上させる。
また、ゼロショットのクロスランガル文書分類タスクにおいて、ディープRNN法と同等性を実現する。
論文 参考訳（メタデータ） (2019-12-28T16:18:33Z)
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。