Publications / 2023
Iterative Feature Boosting for Explainable Speech Emotion Recognition
Résumé
Les caractéristiques prédéfinies peuvent produire des ensembles de données de grande dimension contenant des informations redondantes ou peu pertinentes. Cette étude propose une méthode supervisée de reconnaissance des émotions vocales fondée sur une ingénierie itérative des caractéristiques. Une boucle d’évaluation utilise les valeurs de Shapley pour examiner la pertinence des variables et affiner leur sélection, afin de concilier performance et transparence. Sur le jeu de données TESS, les auteurs rapportent des résultats supérieurs aux méthodes comparées et au niveau de performance humaine utilisé dans l’étude. Le code est accessible dans le dépôt associé.
Citation et BibTeX
Alaa Nfissi, Wassim Bouachir, Nizar Bouguila, Brian Mishara. (2023). Iterative Feature Boosting for Explainable Speech Emotion Recognition. 2023 22nd IEEE International Conference on Machine Learning and Applications (ICMLA), 543–549. https://doi.org/10.1109/ICMLA58977.2023.00081
@inproceedings{nfissi-iterative-feature-boosting-2023,
title = {Iterative Feature Boosting for Explainable Speech Emotion Recognition},
author = {Nfissi, Alaa and Bouachir, Wassim and Bouguila, Nizar and Mishara, Brian},
year = {2023},
booktitle = {2023 22nd IEEE International Conference on Machine Learning and Applications (ICMLA)},
doi = {10.1109/ICMLA58977.2023.00081},
url = {https://doi.org/10.1109/ICMLA58977.2023.00081},
pages = {543--549}
}Projets de recherche
- 01
Projets
Renforcement explicable des caractéristiques
Utiliser l’attribution des caractéristiques pour affiner les représentations acoustiques et examiner les décisions du modèle.
Axes de recherche
- 01
Programmes de recherche
Apprentissage interprétable et multimodal
Comprendre les caractéristiques acoustiques et étudier l’interaction de la voix, du langage et des indices visuels dans la reconnaissance des émotions.
Code
- 01
Dépôts de code
Iterative feature boosting
Code de recherche associé au dossier « Renforcement explicable des caractéristiques ».