ACCUEIL

Consignes aux
auteurs et coordonnateurs
Nos règles d'éthique

APPEL À
CONTRIBUTION

Web des objets intelligents

En savoir plus >>
Autres revues >>
Revue d'Intelligence Artificielle
0992-499X
Revue des Sciences et Technologies de l'Information
 

 ARTICLE VOL 20/4-5 - 2006  - pp.447-476  - doi:10.3166/ria.20.447-476
TITRE
Représentation et détection des émotions dans des dialogues enregistrés dans un centre d'appel. Des émotions complexes dans des données réelles

RÉSUMÉ
Les émotions complexes dans des contextes réels ont encore été peu étudiées. Dans ce papier, nous explorons comment représenter et automatiquement détecter le comportement émotionnel de sujets dans le contexte d'interactions orales Homme-Homme. Par rapport aux nombreuses études précédentes conduites sur des données artificielles, ce papier montre les défis auxquels on doit faire face lorsqu'on étudie des émotions non basiques présentes dans des données réelles. Des dialogues enregistrés dans des centres d'appels ont révélé la présence de nombreuses émotions mixtes. Un vecteur d'émotions pondérées sert à représenter les émotions. Cette représentation permet d'obtenir une annotation plus fiable et de sélectionner la partie du corpus sans émotions mixtes conflictuelles pour l'apprentissage des modèles. Un taux de détection correcte de 80 % entre émotions Négative et Neutre a été obtenu avec des modèles SVMs et des arbres de décision, en utilisant des indices paralinguistiques sur un corpus de 20 heures enregistrées dans un centre d'appel médical.


ABSTRACT
Complex emotions in real-life context have not been studied much. We are exploring how to represent and automatically detect a subject's emotional state in humanhuman spoken interaction. In contrast to most previous studies, conducted on artificial data, this paper addresses some of the challenges faced when studying real-life non-basic emotions. Real-life spoken dialogs from call-center services have revealed the presence of many blended emotions. A soft emotion vector is used to represent emotion mixtures. This representation enables to obtain a much more reliable annotation and to select the part of the corpus without conflictual blended emotions for training models. A correct detection rate of about 80% was obtained with SVMs and decision trees models between Negative and Neutral emotions using paralinguistic cues on a corpus of 20 hours of recording in a Medical call-center.


AUTEUR(S)
Laurence DEVILLERS, Laurence VIDRASCU

MOTS-CLÉS
détection des émotions, représentation et annotation des émotions, émotions mélangées, corpus de dialogues réels, centre d'appels, SVM, arbres de décision.

KEYWORDS
emotion detection, emotion representation and annotation, blended emotion, reallife spoken dialogs, call centers, SVM, decision trees.

LANGUE DE L'ARTICLE
Français

 PRIX
• Abonné (hors accès direct) : 7.5 €
• Non abonné : 15.0 €
|
|
--> Tous les articles sont dans un format PDF protégé 
   
ACCÉDER A L'ARTICLE COMPLET  (278 Ko)
--> NÉCESSITE ADOBE DIGITAL EDITIONS :



Mot de passe oublié ?

ABONNEZ-VOUS !

CONTACTS
Comité de
rédaction
Conditions
générales de vente

 English version >> 
made by WAW Lavoisier