Konuşmalardaki duygunun evrişimsel LSTM modeli ile tespiti

Öztürk, Ömer Faruk; Pashaei, Elham

doi:10.24012/dumf.1001914

Cited by 5 publications

(3 citation statements)

References 45 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…It has been reported that the classification using the available sample values of the audio signals has little contribution to the performance of the model used [8]. For this reason, acoustic features that best represent emotions are needed.…”

Section: Data Preprocessingmentioning

confidence: 99%

CREMA-D: Improving Accuracy with BPSO-Based Feature Selection for Emotion Recognition Using Speech

Donuk

2022

Journal of Soft Computing and Artificial Intelligence

View full text Add to dashboard Cite

People mostly communicate through speech or facial expressions. People's feelings and thoughts are reflected in their faces and speech. This phenomenon is an important tool for people to empathize when communicating with each other. Today, human emotions can be recognized automatically with the help of artificial intelligence systems. Automatic recognition of emotions can increase productivity in all areas including virtual reality, psychology, behavior modeling, in short, human-computer interaction. In this study, we propose a method based on improving the accuracy of emotion recognition using speech data. In this method, new features are determined using convolutional neural networks from MFCC coefficient matrices of speech records in Crema-D dataset. By applying particle swarm optimization to the features obtained, the accuracy was increased by selecting the features that are important for speech emotion classification. In addition, 64 attributes used for each record were reduced to 33 attributes. In the test results, 62.86% accuracy was obtained with CNN, 63.93% accuracy with SVM and 66.01% accuracy with CNN+BPSO+SVM.

show abstract

Section: Data Preprocessingmentioning

confidence: 99%

CREMA-D: Improving Accuracy with BPSO-Based Feature Selection for Emotion Recognition Using Speech

Donuk

2022

Journal of Soft Computing and Artificial Intelligence

View full text Add to dashboard Cite

show abstract

“…Bu sayede zaman kaybı en aza indirilmiştir. Sesli giriş, kullanıcıların sorgularını doğal bir dilde iletmelerine olanak tanıyan yenilikçi bir teknolojidir (Öztürk & Pashaei, 2021). Bu yaklaşım, kullanıcı deneyimini büyük ölçüde artırarak, teknolojiye aşina olmayan kullanıcılar için bile erişimi kolaylaştırmaktadır.…”

Section: Introductionunclassified

Bir İnsan Bilgisayar Etkileşimi Örneği: Sesli Komutlar İle Veri Tabanı Sorgulama Uygulaması

BARIŞ,

RZAYEV,

ÖZYURT

et al. 2024

Karadeniz Fen Bilimleri Dergisi

View full text Add to dashboard Cite

Doğal dil işleme (DDİ), insan bilgisayar etkileşiminde geniş bir uygulama alanına sahiptir. Kullanıcıların arama memnuniyetini artırmak amacıyla birçok bilgi erişim yöntemleri geliştirilmiştir. Bu sebeple sesli komut ile veri tabanına erişim çalışması insanların alıştıkları soru ortamını hazırlamaya yönelik olmuştur. Bu çalışma kapsamında, sesli komutları yazıya döken bir sorgu ara yüzü geliştirilmiştir. Kullanıcılar bilgilendirici şablonlar sayesinde belirgin kelimeler kullanarak sesli şekilde istediği bilgiyi söyleyecektir. Söylenen cümle ilk aşamada metine çevrilmiştir. Bir sonraki aşamada kullanıcının arama sorgusunu daha iyi analiz ederek kullanıcının arama isteği doğrultusunda daha doğru ve kararlı sonuçlar ile karşılaşmasını hedefleyen açık kaynak kodlu BERT (Bidirectional Encoder Representations from Transformers) mimarisi kullanılarak kendi dikkat ağırlığına sahip etiketleri hizalamak amacıyla SQL (Yapılandırılmış Sorgu Dili) sorgulama dilinin bileşenleri sınıflandırılmıştır. Çalışmada SELECT ve DİĞER sorgu tipleri (DELETE, UPDATE) diye ayırarak ikili sınıflandırma üzerinde çalışılmıştır. Alınan veri etiketlenmiş verilerle karşılaştırılarak model doğruluğu test edilmiştir. Tahmin edilen etiket sonucu ara yüzde gösterilmiştir. Çalışma ile Türkçe tabanlı bir insan bilgisayar etkileşimi aracı geliştirilmiş ve SQL ile ilgili teknik bilgi gerektirmeden veri tabanını sorgulamalarına olanak tanınmıştır.

show abstract

“…A.LSTM LSTM, Bir RNN mimarisidir[2].Şekil 2. LSTM Modeli Katmanları LSTM Modeli için üç katman kullanılmıştır.…”

unclassified

Türkçe Twitter Verileri Üzerinde Duygu Analizi: LSTM, CNN-LSTM, BERT Algoritmalarının Karşılaştırılması

DÖNMEZ,

BECERİKLİ

2023

IJANSER

View full text Add to dashboard Cite

Duygu analizi, metinlerdeki duygusal içeriğin belirlenmesine hizmet eden doğal dil işleme bileşenidir. Sosyal medya kullanımının artmasıyla finans, tıp, medya, e-ticaret, eğitim, politika gibi birçok alanda kullanılmaya başlanmıştır. Ürün satışında müşteri memnuniyetinin ölçülmesi, ürün tanıtımında müşterilerin verdiği tepkilerin belirlenmesi, seçim kampanyalarına halkın tepkilerinin gözlenmesi gibi birçok konuda ihtiyaç duyulduğu için önemlidir. Bu çalışmada, Türkçe tweetler üzerinde duygu analizi yapılarak üç farklı derin öğrenme algoritması- LSTM (Long Short-Term Memory, Uzun Kısa Vadeli Bellek), BERT (Bidirectional Encoder Representations from Transformers, Dönüştürücülerden Çift Yönlü Kodlayıcı Temsilleri) ve CNN (Convolutional Neural Networks, Evrişimli Sinir Ağı) -karşılaştırılmıştır. İlk olarak, Kaggle aracılığıyla Türkçe tweet veri kümesi elde edilmiştir. Excel veri kümesi Tweet ve Etiket olarak iki gruba ayrılmış olup etiketler mutlu, kızgın, korku, şaşkın ve üzgün duygularını temsil etmektedir. CNN-LSTM Hibrit modelinde, metinleri gömme için bir Embedding (Gömme) katmanı ve ardından dönüşüm için Conv1D (1 Boyutlu Evrişimli Sinir Ağı) katmanı, MaxPooling1D (Havuzlama) katmanı, LSTM katmanı ve Dense (Tam Bağlı) katmanı yer almaktadır. LSTM modelinde ise Embedding katmanı ve bir LSTM katmanı ve Dense katmanı kullanılmıştır. Son olarak, BERT modelinde Türkçe metinlere özel bir sınıflandırma kullanılmış ve metinler BERT girişine dönüştürülmüştür. Modeller eğitilirken, uygun optimazyon algoritması, kayıp fonksiyonu ve metrikler kullanılmıştır. Üç model eğitim veri setleri üzerinde eğitilerek test veri setleri üzerinde değerlendirilmiştir. Ulaşılan sonuçlara göre modellerin doğruluk oranları karşılaştırılmıştır. Bu çalışma, Türkçe metinler üzerinde duygu analizi yapıldığında çeşitli derin öğrenme algoritmalarının performanslarını karşılaştırarak duygu analizi çalışmalarına önemli ölçüde katkıda bulunmuştur.

show abstract

Konuşmalardaki duygunun evrişimsel LSTM modeli ile tespiti

Cited by 5 publications

References 45 publications

CREMA-D: Improving Accuracy with BPSO-Based Feature Selection for Emotion Recognition Using Speech

CREMA-D: Improving Accuracy with BPSO-Based Feature Selection for Emotion Recognition Using Speech

Bir İnsan Bilgisayar Etkileşimi Örneği: Sesli Komutlar İle Veri Tabanı Sorgulama Uygulaması

Türkçe Twitter Verileri Üzerinde Duygu Analizi: LSTM, CNN-LSTM, BERT Algoritmalarının Karşılaştırılması

Contact Info

Product

Resources

About