利用语音与文本特征融合改善语音情感识别

• 作者: 冯亚琴 沈凌洁 王蔚 胡婷婷
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 情感识别 声学特征 韵律特征 文本特征 特征融合
• 年，卷（期）: 2019,（4）
• 页码范围: 625-631
• 页数: 7页
• 分类号: TP183
• 字数: 4114字
• 语种: 中文
• DOI: 10.16337/j.1004-9037.2019.04.006

摘要

情感识别在人机交互中具有重要意义,为了提高情感识别准确率,将语音与文本特征融合.语音特征采用了声学特征和韵律特征,文本特征采用了基于情感词典的词袋特征(Bag-of-words,BoW)和N-gram模型.将语音与文本特征分别进行特征层融合与决策层融合,比较它们在IEMOCAP四类情感识别的效果.实验表明,语音与文本特征融合比单一特征在情感识别中表现更好;决策层融合比在特征层融合识别效果好.且基于卷积神经网络(Convolutional neural network,CNN)分类器,语音与文本特征在决策层融合中不加权平均召回率(Unweighted average recall,UAR)达到了68.98％,超过了此前在IEMOCAP数据集上的最好结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王蔚	南京师范大学教育科学学院	51	369	10.0	18.0
2	沈凌洁	南京师范大学教育科学学院	4	4	2.0	2.0
3	胡婷婷	南京师范大学教育科学学院	7	4	2.0	2.0
4	冯亚琴	南京师范大学教育科学学院	5	4	2.0	2.0