DSSM-CRF

新型DSSM-CRF模型提升对话语音情感识别能力

研究人员开发了一种名为DSSM-CRF的新型双尺度状态空间模型，用于对话中的语音情感识别。该模型通过使用双向状态空间模型在帧和对话尺度上编码语音表示，将跨说话人上下文影响与说话人内部情感演变分离开来。然后，系统为每个说话人采用动态条件随机场链，从而能够根据上下文相关的话语预测情感转换。DSSM-CRF在基准数据集上表现强劲，在IEMOCAP上实现了75.81%的UA和74.90%的WA，在MELD上实现了54.72%的WA和49.31%的WF1。