情感表征的模糊世界
人机交互
2019-09-04 v1 人工智能
机器学习
摘要
人工智能与机器学习系统在包括语音识别、人脸识别和说话人验证在内的一系列活动中已展现出巨大进步并达到人类水平。然而，这些不同任务共享一个在情感计算（affective computing）中并不成立的关键共性：所推断的 ground truth 信息可以被无歧义地表示。这一观察为情感计算虽吸引研究者多年关注却可能仍不被视为成熟研究领域提供了一些线索。其关键原因在于缺乏一个描述情感表征所有相关元素的通用数学框架。本文提出 AMBiguous Emotion Representation（AMBER）框架以弥补这一缺陷。AMBER 是一个统一框架，明确描述了情感的类别式、数值式和有序式表征，包括时变表征。除解释 AMBER 的核心元素外，本文还讨论了如何通过 AMBER 框架审视一些常用情感表征方案，并以该框架如何用于推理当前与未来情感计算系统作结。
引用
@article{arxiv.1909.00360,
title = {The Ambiguous World of Emotion Representation},
author = {Vidhyasaharan Sethu and Emily Mower Provost and Julien Epps and Carlos Busso and Nicholas Cummins and Shrikanth Narayanan},
journal= {arXiv preprint arXiv:1909.00360},
year = {2019}
}