面向情感语音识别的分布迁移下局部可解释模型中性释义探索
声音
2025-04-09 v1 音频与语音处理
摘要
我们提出了EmoLIME，这是一种针对黑箱语音情感识别（SER）模型的局部可解释模型中性释义（LIME）方法。据我们所知，这是首次将LIME应用于SER。EmoLIME生成高层次可解释解释，识别确定情感状态最具影响力的特定频率范围。该方法有助于解释来自端到端语音模型生成的高维嵌入。我们在三个情感语音数据集上，对使用手工声学特征和Wav2Vec 2.0嵌入训练的分类器进行定性、定量和统计评估。我们发现，EmoLIME在不同模型之间展现出比在分布迁移数据集之间更强的鲁棒性，这凸显了其在SER任务中保持一致解释的潜力。
引用
@article{arxiv.2504.05368,
title = {Exploring Local Interpretable Model-Agnostic Explanations for Speech Emotion Recognition with Distribution-Shift},
author = {Maja J. Hjuler and Line H. Clemmensen and Sneha Das},
journal= {arXiv preprint arXiv:2504.05368},
year = {2025}
}
备注
Published in the proceedings of ICASSP 2025