Acceso usuarios
, Inmaculada Hernáez Rioja , Jon Sánchez de la Fuente
Este artículo presenta los experimentos realizados para identificar automáticamente la emoción en una base de datos de habla emocional en euskara. Se han construido tres clasificadores diferentes: uno utilizando características espectrales y GMM, otro con parámetros prosódicos y SVM y el último con características prosódicas y SVM. Se extrajeron 86 características prosódicas y posteriormente se aplicó un algoritmo para seleccionar los parámetros más relevantes. El mejor resultado se obtuvo con el primero de los clasificadores, que alcanzó una precisión del 98.4% cuando se utilizan 512 componentes gaussianas. El clasificador construido con los 6 parámetros prosódicos más relevantes alcanza una precisión del 92.3% a pesar de su simplicidad, demostrando que la información prosódica es de gran importancia para identificar emociones
This paper presents the experiments made to automatically identify emotion in an emotional speech database for Basque. Three different classifiers have been built: one using spectral features and GMM, other with prosodic features and SVM and the last one with prosodic features and GMM. 86 prosodic features were calculated and then an algorithm to select the most relevant ones was applied. The first classifier gives the best result with a 98.4% accuracy when using 512 mixtures, but the classifier built with the best 6 prosodic features achieves an accuracy of 92.3% in spite of its simplicity, showing that prosodic information is very useful to identify emotions
