基于序数的语音情感识别：利用连续趋势的课程驱动偏好学习方法

《IEEE Transactions on Affective Computing》：Ordinal-Based Speech Emotion Recognition Leveraging Consecutive Trends: A Curriculum-Driven Preference Learning Approach

　　

摘要：

在人机交互领域，根据语音样本的表达内容对其进行准确排序对于提升情感理解和响应机制至关重要。传统方法依赖于多名评分者标注的绝对属性分数，但在训练偏好学习框架时面临标签可靠性的挑战。本文提出了一种新颖的偏好学习方法，该方法利用评分者对连续样本的标注趋势，规避了绝对评分带来的不一致性问题。通过关注评估过程中的标注趋势，我们的方法显著减少了偏好标签的模糊性，为偏好学习提供了更坚实的基础。我们采用课程学习（CL）来进一步完善这一方法。传统的从绝对分数创建相对标签的方法需要设置固定的阈值来确定偏好。通过使用CL，我们可以在训练初期设置严格的阈值，并逐步放宽这些阈值。CL的结构化进展与我们的偏好学习模型的顺序性质天然契合，增强了模型识别语音样本中微妙情感线索的能力。通过对包括MSP-Podcast、IEMOCAP和BIIC-Podcast在内的多种语料库的比较分析发现，这种基于趋势的偏好学习与课程学习的结合不仅在各个数据集中表现出色，还展示了显著的跨语料库泛化能力。这种跨语料库的有效性凸显了我们方法的稳健性和适应性，标志着情感识别和人机交互领域的一项重大进展。