Abandonando clases de emoción - hacia el reconocimiento continuo de emociones con modelado de dependencias a largo plazo

El reconocimiento de emociones basado en clases a partir del habla, como se ha realizado en la mayoría de los trabajos hasta ahora, conlleva muchas restricciones para aplicaciones prácticas. La emoción humana es un continuo y un sistema automático de reconocimiento de emociones debe ser capaz de reconocerlo como tal. Presentamos un enfoque novedoso para el reconocimiento continuo de emociones basado en Red Neuronal Recurrente de Memoria a Largo y Corto Plazo que incluye el modelado de dependencias a largo plazo entre observaciones y, por lo tanto, supera técnicas como la Regresión de Soporte Vectorial. Al transferir el concepto innovador de modelar adicionalmente la historia emocional a la clasificación de niveles discretos para las dimensiones emocionales “valencia” y “activación”, también aplicamos Campos Aleatorios Condicionales que prevalecen sobre las Máquinas de Soporte Vectorial comúnmente utilizadas. Los experimentos realizados con datos grabados mientras los humanos interactuaban con un Oyente Artificial Sensible demuestran que, para la activación, los clasificadores derivados rinden tan bien como los anotadores humanos.