Publications / 2024
Unveiling hidden factors: explainable AI for feature boosting in speech emotion recognition
Résumé
La reconnaissance des émotions vocales peut être limitée par des ensembles de caractéristiques de grande dimension comportant des informations redondantes ou peu pertinentes. Cette étude propose un renforcement itératif des caractéristiques qui associe pertinence des variables, explicabilité et performance. Une boucle d’évaluation fondée sur les valeurs de Shapley affine les ensembles de caractéristiques et permet d’examiner leur contribution aux prédictions. La méthode est évaluée sur TESS, EMO-DB, RAVDESS et SAVEE. Les résultats rapportés dépassent ceux des méthodes de référence comparées et montrent l’intérêt de l’analyse explicative pour sélectionner les caractéristiques acoustiques.
Citation et BibTeX
Alaa Nfissi, Wassim Bouachir, Nizar Bouguila, Brian Mishara. (2024). Unveiling hidden factors: explainable AI for feature boosting in speech emotion recognition. Applied Intelligence, 54(11), 7046–7069. https://doi.org/10.1007/s10489-024-05536-5
@article{nfissi-unveiling-hidden-factors-2024,
title = {Unveiling hidden factors: explainable AI for feature boosting in speech emotion recognition},
author = {Nfissi, Alaa and Bouachir, Wassim and Bouguila, Nizar and Mishara, Brian},
year = {2024},
journal = {Applied Intelligence},
doi = {10.1007/s10489-024-05536-5},
url = {https://doi.org/10.1007/s10489-024-05536-5},
volume = {54},
number = {11},
pages = {7046--7069}
}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
Unveiling hidden factors
Code de recherche associé au dossier « Renforcement explicable des caractéristiques ».