利用多任务主动学习回归在三维空间中进行情感估计
机器学习
2019-03-27 v2 人机交互
声音
音频与语音处理
机器学习
摘要
情感计算中标注训练样本的获取通常代价高昂且耗时,因为情感本质上是主观、微妙且不确定的,因而需要多名人类评估者对每个情感样本进行评价。特别是在效价、唤醒与优势三维空间中的情感估计,每位评估者必须在三个维度上执行评价,使得标注问题更具挑战性。许多精细的机器学习方法已被提出以降低其他领域的数据标注需求,但迄今极少考虑情感计算。本文提出两种多任务主动学习回归方法,通过同时考虑三个情感基元来选择最有益的标注样本。在 VAM 语料库上的实验结果表明,我们的最优样本选择方法可比随机选择与若干传统单任务主动学习方法获得更好的估计性能。因此,它们有助于缓解情感计算中的数据标注问题,即从更少的标注查询中可获得更好的估计性能。
引用
@article{arxiv.1808.04244,
title = {Affect Estimation in 3D Space Using Multi-Task Active Learning for Regression},
author = {Dongrui Wu and Jian Huang},
journal= {arXiv preprint arXiv:1808.04244},
year = {2019}
}