14366

مطالعه و بررسي تحليل احساسات از طريق پردازش صدا در متاورس

1402

دكتر ناصر مزيني

احساسات بخش مهمي از ارتباطات روزمره انساني است و به درك بهتر افراد از يكديگر كمك مي‌كند. احساسات انسان از راه‌هاي مختلفي مانند حركات بدن، حالات چهره، زبان بدن و گفتار قابل تشخيص هستند. سيگنال‌هاي گفتاري سريع‌ترين و طبيعي‌ترين شكل ارتباط انساني هستند؛ به همين دليل، از گفتار به‌عنوان يك روش سريع براي ارتباط انسان و كامپيوتر استفاده مي‌شود كه داراي اطلاعات ارزشمندي از احساسات افراد ميباشد. تا به حال تحقيقات زيادي در زمينه تشخيص گفتار انجام شده، اما با وجود پيشرفت‌ها، هنوز فاصله زيادي بين تعامل طبيعي انسان و كامپيوتر وجود دارد. علت اصلي اين شكاف، ناتواني كامپيوتر در درك احساسات كاربر است. به همين دليل، شناسايي احساسات گفتاري[ Speech Emotion Recognition (SER)] به يكي از موضوعات چالش‌برانگيز در پردازش گفتار تبديل شده است. SERنقش مهمي در بسياري از كاربردها، از جمله تعاملات انسان-كامپيوتر[ Human-Computer Interaction (HCI)]، رابط‌هاي انسان-ربات، مراكز تماس هوشمند، سيستم‌هاي آموزش هوشمند، بازي‌هاي كامپيوتري، بهبود درك افراد داراي ناتواني از احساسات ديگران و بسياري ديگر ايفا مي‌كند. در اين سمينار بر روي شناسايي و تشخيص احساسات در گفتار با با كمك استخراج ويژگي از سيگنال هاي صوتي و استفاده از مدل‌هاي يادگيري ماشين و يادگيري عميق، مطالعه شده است. از اين رو، در ابتدا مفاهيم و تعاريف مرتبط با اين موضوع تشريح مي‌شوند و در ادامه به بررسي كارهاي مرتبط در اين حوزه در دو دسته‌بندي روش‌هاي سنتي يادگيري ماشين و مبتني بر مدل‌هاي يادگيري عميق پرداخته خواهد شد. با بررسي رويكردهاي مبتني بر روش‌هاي سنتي ، مشخص شد كه علي‌رغم دقت مطلوب برخي از آن‌ها، چالش‌هايي نظير پيچيدگي الگوهاي يادگيري، درنظر نگرفتن بُعد زماني صدا، دادههاي حجيم و پيچيده باعث محدوديت اين روش‌ها مي‌شوند؛ به همين دليل، استفاده از رويكردهاي يادگيري عميق ترجيح داده مي‌شود.

12/4/2024 12:00:00 AM

85438

1403/10/15

Exploring Sentiment Analysis through Audio Processing in the Metaverse