ترجمه مقاله شناسایی قوی احساسات از گفتار – سال 2018
مشخصات مقاله:
عنوان فارسی مقاله:
شناسایی قوی احساسات از گفتار: ویژگی های نوای گاما و مدل های آن
عنوان انگلیسی مقاله:
Robust emotion recognition from speech: Gamma tone features and models
کلمات کلیدی مقاله:
سيستم تشخيص احساسات (ERS)، ویژگی های نوای گاما ، چند سازی برداری (VQ)، الگوریتم خوشه بندی c میانگین (FCM)، چند مدل مارکوف پنهان (MHMM)، ماشین بردار پشتیبانی (SVM)
مناسب برای رشته های دانشگاهی زیر:
مهندسی کامپیوتر
مناسب برای گرایش های دانشگاهی زیر:
هوش مصنوعی و مهندسی الگوریتم ها و محاسبات
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
1- مقدمه
2- استخراج ویژگی
2-1 بانک های فیلتر نوای گاما
3- شناسایی احساسات مبتنی بر ویژگی ها و تکنیک های مدل سازی
3-1 تحلیل آزمایشی مبتنی بر تکنیک های VQ/FCM/MHMM/SVM
3-2 ارزیابی آزمایشی : نتایج و مباحث
4- جمع بندی
قسمتی از مقاله انگلیسی و ترجمه آن:
1 Introduction
Acoustic signals are perceived as a signal obtained by convolving excitation and vocal tract information. These signals carry the information regarding age, gender, social status, accent and emotional state of a speaker in addition to the linguistic data. The database containing the set of utterances conveying the same information uttered by the limited set of speakers becomes a bottleneck to develop a robust emotion recognition system. Emotions are expressed in different ways by the speakers. Business outsourcing call centres would find speech recognition on emotional utterances useful, because people working in their offices may not behave in the same manner at all times when attending calls of the customers. For example, people in these offices may fall sick or feeling depressed occasionally. They may not be able to give a helpful and correct reply to the customers’ technical query. Then, the system has to adjust itself to the needs of the customer or pass the control to the human agents for giving other convenient and correct reply to the customers. These emotion-specific recognition systems would be useful in power plants/industries/nuclear plants where the physical presence of humans is not possible.
1- مقدمه
سیگنال های صوتی به عنوان سیگنال هایی در نظر گرفته می شوند که با همتابی ( کانوالو) اطلاعات تحریک و دستگاه صوتی به دست می آیند. این سیگنال ها حامل اطلاعاتی در رابطه با سن، جنسیت، وضعیت اجتماعی، لهجه و حالت احساسی گویشور و همچنین داده های زبانی می باشند. مجموعه داده های شامل این گفتار ها حاوی همین اطلاعات هستند که توسط مجموعه ای محدود از گویشور ها بیان شده است و همین محدودیت موجب شده است که نتوانیم سیستم های تشخیص احساس قوی را طراحی کنیم. احساسات توسط گویشور ها به روش های مختلفی بیان می شوند. مرکز های برون سپاری تجاری معتقد هستند که سیستم های شناسایی احساسات از روی گفتار بسیار مفید هستند، زیرا افرادی که در دفاتر آن ها کار می کنند ممکن است وقتی که تماس ها را پاسخ می دهند همیشه رفتار مشابهی نداشته باشند. به عنوان مثال، افرادی که در این دفتر ها کار می کنند ممکن است مریض باشند و یا این که گاهی احساس افسردگی داشته باشند. آن ها ممکن است نتوانند یک پاسخ مفید و صحیح را به سوالات فنی مشتریان بدهند. ازین رو، این سیستم خودش را مطابق با نیاز مشتری ها تنظیم می کند و یا این که کنترل تماس را به عامل های انسانی منتقل می کند تا یک پاسخ مناسب و مفید به مشتری ها ارائه شود.
