利用语音情感识别与推荐系统处理治疗聊天机器人中的负面情绪
计算与语言
2023-11-21 v1 人工智能
摘要
情绪健康显著影响心理健康与整体生活质量。随着治疗聊天机器人日益普及，其理解并共情回应用户情绪的能力仍然有限。本文通过提出一种为治疗聊天机器人增强听觉感知的方法来解决这一局限，使其能理解用户感受并提供类人的共情。所提方法结合使用卷积神经网络（CNN）模型与 ShEMO 数据集的语音情感识别（SER）技术，以准确检测并分类包括愤怒、恐惧和悲伤在内的负面情绪。该 SER 模型达到 88% 的验证准确率，证明了其从语音信号识别情绪状态的有效性。此外，开发了一个推荐系统，利用 SER 模型的输出生成用于管理负面情绪的个性化推荐，为此还生成了一个新的双语数据集，因为该任务尚无此类数据集可用。该推荐模型通过结合全局词向量表示（GloVe）与 LSTM 模型达到了 98% 的准确率。为提供更沉浸且共情的用户体验，集成了名为 GlowTTS 的文本转语音模型，使治疗聊天机器人能以英语和波斯语向用户 audible 传达生成的推荐。所提方法通过赋予治疗聊天机器人识别并回应用户情绪的能力，展现出增强治疗聊天机器人的良好潜力，最终改善对英语和波斯语用户的心理健康支持交付。
引用
@article{arxiv.2311.11116,
title = {Utilizing Speech Emotion Recognition and Recommender Systems for Negative Emotion Handling in Therapy Chatbots},
author = {Farideh Majidi and Marzieh Bahrami},
journal= {arXiv preprint arXiv:2311.11116},
year = {2023}
}
备注
Accepted at the First National Conference of Artificial Intelligence and Software Engineering