Das Forschungsportal Sachsen-Anhalt verwendet zur Bereitstellung einiger Funktionen Cookies.
Mit der Verwendung dieser Seite erklären Sie sich damit einverstanden. Weitere Informationen
Das Forschungsportal Sachsen-Anhalt verwendet zur Bereitstellung einiger Funktionen Cookies.
Mit der Verwendung dieser Seite erklären Sie sich damit einverstanden. Weitere Informationen
Sie verwenden einen sehr veralteten Browser und können Funktionen dieser Seite nur sehr eingeschränkt nutzen. Bitte aktualisieren Sie Ihren Browser. http://www.browser-update.org/de/update.html
SFB / Transregio 62: Situationsbezogene Erkennung anwendungsrelevanter Dispositionen und Handlungsintentionen aus gesprochener Sprache
Die Emotionen des Benutzers sind aus seinen sprachlichen Äußerungen zu klassifizieren. Dazu werden für den Mensch-Maschine-Dialog relevante Emotionsklassen gebildet. Zum einen werden sprachliche subsymbolische und biologienahe Merkmale klassifiziert, zum zweiten wird prosodische automatische Spracherkennung zur Emotionserkennung und -unter Nutzung des semantischen Inhalts zur weiterführenden Intentionserkennung genutzt. Frühe wie auch späte Fusion beider Ansätze wird durchgeführt. Experimentelle Provokation von emotionaler Sprache wird untersucht und Emotionsannotierte Datenbanken werden generiert.
SFB / Transregio 62: Recognition of emotion from speech
Emotions will be recognized from speech. Features are subsymbolic and biologically inspired. Emotion classes are being identified. Fusion with other information sources will give advanced classification results. Intention recognition is a further goal. Emotional Speech will be provoked. Emotion-annotated data bases will be generated.
Sie verwenden einen sehr veralteten Browser und können Funktionen dieser Seite nur sehr eingeschränkt nutzen. Bitte aktualisieren Sie Ihren Browser. http://www.browser-update.org/de/update.html
SFB / Transregio 62: Situationsbezogene Erkennung anwendungsrelevanter Dispositionen und Handlungsintentionen aus gesprochener Sprache
Die Emotionen des Benutzers sind aus seinen sprachlichen Äußerungen zu klassifizieren. Dazu werden für den Mensch-Maschine-Dialog relevante Emotionsklassen gebildet. Zum einen werden sprachliche subsymbolische und biologienahe Merkmale klassifiziert, zum zweiten wird prosodische automatische Spracherkennung zur Emotionserkennung und -unter Nutzung des semantischen Inhalts zur weiterführenden Intentionserkennung genutzt. Frühe wie auch späte Fusion beider Ansätze wird durchgeführt. Experimentelle Provokation von emotionaler Sprache wird untersucht und Emotionsannotierte Datenbanken werden generiert.