講演抄録/キーワード |
講演名 |
2019-12-06 16:25
発話感情認識における音素事後確率を利用した表現学習とデータ拡張の評価 ○岡田慎太郎(名大)・安藤厚志(名大/NTT)・戸田智基(名大) SP2019-43 |
抄録 |
(和) |
本稿では,発話感情認識の精度向上に向けて,表現学習およびデータ拡張に基づく感情認識特徴量抽出法を提案する.
表現学習に基づく従来法では,大量の感情ラベル無し音声を用いた教師なし学習により,音声特徴量を再構成する潜在特徴を抽出した後に,少量の感情ラベル付き音声を用いて感情分類モデルの学習を行う.
少量の感情ラベル付き音声で学習する場合と比較し,未知な音声に対してより頑健なモデルが構築できると期待されるが,潜在特徴には音声の感情因子のみでなく音韻因子や話者因子なども混入すると考えられるため,感情認識に特化した潜在特徴が得られない可能性がある.
この課題を解決するため,本稿では,潜在特徴から音韻因子と話者因子の影響を低減する手法を提案する.
提案手法では,補助情報として音韻情報を捉える音素事後確率系列を与える表現学習を行い,音韻因子の影響を極力取り除いた潜在特徴を獲得する.
さらに,教師あり学習で用いる感情ラベル付き音声に対して,疑似的に話者性を変換する音声変換処理を適用してデータ拡張を行い,話者因子の影響を低減するための手がかりを増強する.
実験的評価の結果から,音韻因子の影響を低減する表現学習法は,従来手法に比べて正解精度が向上することを示す. |
(英) |
This paper presents a new speech emotion recognition method based on representation learning and data augmentation.
To improve the robustness against unseen speech, the conventional representation learning-based emotion recognition method utilizes a latent variable extracted by an unsupervisedly-learned speech reconstruction model to train an emotion recognizer using a limited amount of supervised data.
However, the latent variable is expected to include not only an informative factor for emotion recognition but also less informative factors, such as phonetic and speaker information.
The proposed method alleviates the effects of these less informative factors on the latent variable.
To reduce the effects of a phonetic factor, phonetic posteriorgram (PPG) is provided as an auxiliary input of the reconstruction model in representation learning.
Moreover, the effects of a speaker factor is mitigated by data augmentation to generate utterances with various speaker characteristics by using a speech morphing technique.
Experimental results show that the proposed representation learning method using PPG outperforms the conventional method. |
キーワード |
(和) |
発話感情認識 / 表現学習 / 自己符号化器 / 音素事後確率 / データ拡張 / / / |
(英) |
speech emotion recognition / representation learning / autoencoder / phoneme posteriorgrams / data augmentation / / / |
文献情報 |
信学技報, vol. 119, no. 321, SP2019-43, pp. 91-96, 2019年12月. |
資料番号 |
SP2019-43 |
発行日 |
2019-11-29 (SP) |
ISSN |
Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
査読に ついて |
本技術報告は査読を経ていない技術報告であり,推敲を加えられていずれかの場に発表されることがあります. |
PDFダウンロード |
SP2019-43 |
研究会情報 |
研究会 |
NLC IPSJ-NL SP IPSJ-SLP |
開催期間 |
2019-12-04 - 2019-12-06 |
開催地(和) |
NHK放送技術研究所 |
開催地(英) |
NHK Science & Technology Research Labs. |
テーマ(和) |
第6回自然言語処理シンポジウム & 第21回音声言語シンポジウム |
テーマ(英) |
The 6th Natural Language Processing Symposium & The 21th Spoken Language Symposium |
講演論文情報の詳細 |
申込み研究会 |
SP |
会議コード |
2019-12-NLC-NL-SP-SLP |
本文の言語 |
日本語 |
タイトル(和) |
発話感情認識における音素事後確率を利用した表現学習とデータ拡張の評価 |
サブタイトル(和) |
|
タイトル(英) |
An evaluation of representation learning using phoneme posteriorgrams and data augmentation in speech emotion recognition |
サブタイトル(英) |
|
キーワード(1)(和/英) |
発話感情認識 / speech emotion recognition |
キーワード(2)(和/英) |
表現学習 / representation learning |
キーワード(3)(和/英) |
自己符号化器 / autoencoder |
キーワード(4)(和/英) |
音素事後確率 / phoneme posteriorgrams |
キーワード(5)(和/英) |
データ拡張 / data augmentation |
キーワード(6)(和/英) |
/ |
キーワード(7)(和/英) |
/ |
キーワード(8)(和/英) |
/ |
第1著者 氏名(和/英/ヨミ) |
岡田 慎太郎 / Shintaro Okada / オカダ シンタロウ |
第1著者 所属(和/英) |
名古屋大学 (略称: 名大)
Nagoya University (略称: Nagoya Univ.) |
第2著者 氏名(和/英/ヨミ) |
安藤 厚志 / Atsushi Ando / アンドウ アツシ |
第2著者 所属(和/英) |
名古屋大学/NTT (略称: 名大/NTT)
Nagoya University/NTT (略称: Nagoya Univ./NTT) |
第3著者 氏名(和/英/ヨミ) |
戸田 智基 / Tomoki Toda / トダ トモキ |
第3著者 所属(和/英) |
名古屋大学 (略称: 名大)
Nagoya University (略称: Nagoya Univ.) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2019-12-06 16:25:00 |
発表時間 |
25分 |
申込先研究会 |
SP |
資料番号 |
SP2019-43 |
巻番号(vol) |
vol.119 |
号番号(no) |
no.321 |
ページ範囲 |
pp.91-96 |
ページ数 |
6 |
発行日 |
2019-11-29 (SP) |