MuSE：话语顺序对众包情感标注的影响探究
声音
2019-04-01 v1 人机交互
机器学习
音频与语音处理
摘要
情感识别算法依赖于带有高质量标注的数据。然而，情感表达与感知本质上是主观的。通常不存在可明确声明为“正确”的单一标注。因此，标注会受到收集方式的影响。在本文中，我们进行众包实验，研究这种影响对标注本身以及这些算法性能的作用。我们关注一个关键问题：上下文的效应。我们提出一个新的情感数据集，多模态压力情感（MuSE），并使用两种条件标注该数据集：随机条件，标注者以随机顺序观看片段；以及上下文条件，标注者按顺序观看片段。我们发现，上下文标注方案产生的标注更接近于说话者自身的自我报告标签，而由随机方案生成的标签最易被自动化系统预测。
引用
@article{arxiv.1903.11672,
title = {MuSE-ing on the Impact of Utterance Ordering On Crowdsourced Emotion Annotations},
author = {Mimansa Jaiswal and Zakaria Aldeneh and Cristian-Paul Bara and Yuanhang Luo and Mihai Burzo and Rada Mihalcea and Emily Mower Provost},
journal= {arXiv preprint arXiv:1903.11672},
year = {2019}
}
备注
5 pages, ICASSP 2019