K-EmoCon：用于自然对话中连续情感识别的多模态传感器数据集
人机交互
2020-09-15 v2 人工智能
摘要
随着低成本移动传感器的普及，在社交互动中识别情感具有许多潜在应用，但自然情感交互数据的缺乏仍是一个挑战。大多数现有的情感数据集是在受限环境中收集的，不支持研究自然环境中产生的特异情感。因此，在社交互动背景下研究情感需要一种新的数据集，而 K-EmoCon 正是这样一个多模态数据集，对自然对话过程中的连续情感进行了全面标注。该数据集包含多模态测量数据，包括视听记录、脑电图（EEG）和外周生理信号，这些数据是通过现成设备从 16 场围绕社会议题、长约 10 分钟的配对辩论中采集的。与以往数据集不同，它包含了所有三个可用视角的情感标注：自我、辩论搭档和外部观察者。评分者在观看辩论录像时，每隔 5 秒间隔对情感表现进行一次标注，标注维度包括唤醒度-效价以及另外 18 种分类情感。最终形成的 K-EmoCon 是首个公开可用的、支持对社交互动中的情感进行多视角评估的情感数据集。
引用
@article{arxiv.2005.04120,
title = {K-EmoCon, a multimodal sensor dataset for continuous emotion recognition in naturalistic conversations},
author = {Cheul Young Park and Narae Cha and Soowon Kang and Auk Kim and Ahsan Habib Khandoker and Leontios Hadjileontiadis and Alice Oh and Yong Jeong and Uichin Lee},
journal= {arXiv preprint arXiv:2005.04120},
year = {2020}
}
备注
20 pages, 4 figures, for associated dataset, see https://doi.org/10.5281/zenodo.3814370