چکیده فارسی :

یکی از بزرگترین چالش ها در فن آوری صحبت برآورد احساسات گوینده می باشد. بسیاری از روش های موجود بر ویژگی های صوتی و یا متن تمرکز دارند. در این کار، ما یک رویکرد جدید برای طبقه بندی احساسات  مکالمه ی صوتی بر اساس صحبت و متن، پیشنهاد داده ایم. بدیع بودن این روش در انتخاب ویژگی ها و تولید تنها یک بردار ویژگی برای طبقه بندی می باشد. هدف اصلی ما افزایش دقت طبقه بندی احساسات صحبت توسط در نظر گرفتن ویژگی های متن و صوت می باشد. در این کار ما از روش های استاندارد مانند پردازش زبان طبیعی، ماشین های پشتیبانی بردار، WordNet Affect و SentiWordNet استفاده کرده ایم. مجموعه داده ها برای این کار از Semval -2007 و بانک اطلاعات EMOTION  eNTERFACE’05 گرفته شده است.

کلمات کلیدی:  طبقه بندی احساسات ، کاوش متن ، کاوش صحبت ، روش ترکیبی

چکیده انگلیسی:

One of the greatest challenges in speech technology is estimating the speaker’s emotion. Most of the existing approaches concentrate either on audio or text features. In this work, we propose a novel approach for emotion classification of audio conversation based on both speech and text. The novelty in this approach is in the choice of features and the generation of a single feature vector for classification. Our main intention is to increase the accuracy of emotion classification of speech by considering both audio and text features. In this work we use standard methods such as Natural Language Processing, Support Vector Machines, WordNet Affect and SentiWordNet. The dataset for this work have been taken from Semval -2007 and eNTERFACE’05 EMOTION Database.

Keywords: Emotion classification ; text mining ; speech mining ; hybrid approach