韻律的特徴と対話的特徴を用いた怒り通話音声の抽出

摘要

本稿では対話音声から怒り感情を推定するための新しい特徴量について提案し，性能評価実験の結果を報告する．怒り感情は，怒鳴った怒り（HotAnger）と静かで押し殺した怒り（ColdAnger）の2タイプに分類することができる．HotAngerは従来手法である韻律的特徴を用いることで推定可能であったが，ColdAngerは捉えるのが難しかった．提案法では，一方の話者が怒っており，もう片方の話者が怒られている対話状況において特徴的に表れる発話の時間的な関係性（対話的特徴）に着目する．怒り方に因らない対話的特徴を用いることでColdAngerの推定も可能にする．コンタクトセンタ通話音声を対象にした評価実験を行った結果，対話的特徴と韻律的特徴を併用することで，従来手法と比べて，分析窓単位の推定精度のF値はColdAngerで24．4，HotAngerで8．8向上した．怒り通話の抽出精度については，再現率70％の条件で適合率80％以上の精度を示した．%This paper proposes a novel feature for detecting anger in dialog speech. Anger is classified into two types; loud HotAnger and calm ColdAnger. Prosody can reliably detect the former but not the latter. We analyze both types of anger dialog in the two-party setting, and discover that they exhibit some differences in the temporal relation of utterances from neutral dialog. We create a dialog feature that reflects these differences, and investigate its effectiveness in detecting both types of anger. Tests about presumption by analysis window showed the proposed feature combination improved the F-measure of Cold and HotAnger by 24.4 points and 8.8 points against baseline technique that uses only prosody. Accuracy of angry phone call extraction was 80% precision with 70% recall.