音声からの心的状態の推定における 生理心理学的アプローチの導入 2007 年1 月27 日 修士論文・卒業論文発表会 菊池英明研究室B4 袋 菜津子
研究の概要 ●自然な音声対話システムの実現のため、話者の音声 から感情推定を行おうとする研究が行われてきた。 ●自然な音声対話システムの実現のため、話者の音声 から感情推定を行おうとする研究が行われてきた。 ●しかし、従来の研究において感情推定は主観的方法によるところがあり、学習における教師信号の安定性に欠ける。 音声からの心的状態の推定へ、生体情報を教師信号として利用する“生理心理学的アプローチの導入” を試みる。
生体情報には意図的な操作が入らず、継時的な変化を 捉えられる。 2. なぜ生体情報を用いるのか？ 生体情報には意図的な操作が入らず、継時的な変化を 捉えられる。 客観的な評価、幅広い心的状態の 変化の評価が可能 自律神経系の指標（心拍・血圧など）は、これまで 多くの先行研究で用いられてきた。 心的状態の推定へ利用できる可能性が高い
3. 典型的な生体信号 生体信号の変化において、課題時に典型的な変化が見られた被験者は、ストレス状態にあったと判断することができる。 □:ストレス負荷時 生体信号はそれぞれストレス負荷時 右図のような典型的な波形を示す。 生体信号の変化において、課題時に典型的な変化が見られた被験者は、ストレス状態にあったと判断することができる。 図. 典型的な波形の例 HR:心拍 SC:皮膚コンダクタンス TEMP:皮膚温
4. 実験 ストレス音声と非ストレス音声を判別するため、決定木学習を行う。 ●難度の異なる音読課題間における生体信号の反応の違いが音声の特徴量の違いにも現れるのかを検討する。 ● 主観的評価によってのみストレス状態と判断された音声（A） 生体信号の変化からもストレス状態にあると判断できた音声（B） の比較を行う。 ストレス音声と非ストレス音声を判別するため、決定木学習を行う。 実験で非ストレス・ストレス状態の典型的な波形を示した被験者のデータを判別データとし、AとBそれぞれの条件で学習モデルを作成する。
5. 実験結果 生体信号は、心的状態の変化を推定するうえで、有効な情報であるといえる。 A ： 生体信号を教師信号としないデータ 表. 決定木学習による被験者毎の ストレス、非ストレス音声の判別結果 A ： 生体信号を教師信号としないデータ で学習モデルを生成した場合 平均判別率 63.9% B ： 生体信号を教師信号とするデータ で学習モデルを生成した場合 平均判別率 77.8% 生体信号は、心的状態の変化を推定するうえで、有効な情報であるといえる。