2026-04-18T04:35:27Z https://ipsj.ixsq.nii.ac.jp/oai

oai:ipsj.ixsq.nii.ac.jp:00236049 2025-01-19T09:24:55Z 6504:11678:11689

コールセンターオペレーターの感情認識におけるマルチモーダル学習と多⾔語基盤の効果 亀岡, 眞毅 市川, 治 人工知能と認知科学 本報告では、音声感情認識モデルにおける多言語基盤と音声データとテキストデータのマルチモーダル学習の効果を検証する。モデルの構成は、事前学習済みモデルをエンコーダとして用いるクロスアテンションモデルである。クロスアテンションにより、テキストトークン列と音声フレームの擬似的なアラインメントを取ることができ、両者を統合した推論を行うことができる。事前学習モデルは性能の進化が顕著であるが、日本語のモデルは学習リソースが少ないため性能が十分ではないことが懸念される。そこで、本報告では多言語で学習されたモデルをエンコーダとして用いることの効果を検証する。 conference paper 情報処理学会 2024-03-01 application/pdf 第86回全国大会講演論文集 1 2024 413 414 AN00349328 https://ipsj.ixsq.nii.ac.jp/record/236049/files/IPSJ-Z86-5R-05.pdf jpn