Documents disponibles écrits par cet auteur

ANALYSE ET DETECTION DES EMOTIONS VERBALES DANS LES INTERACTIONS ORALES / Fatima Zohra TRABELSI

Public ISBD Titre : ANALYSE ET DETECTION DES EMOTIONS VERBALES DANS LES INTERACTIONS ORALES Type de document : projet fin études Auteurs : Fatima Zohra TRABELSI, Auteur Langues : Français (fre) Catégories : SDBD Mots-clés : émotion, reconnaissance d’émotions, indexation d’émotions, SVM, détection d’émotions, extraction des émotions, interprétation, corpus émotionnel, classification, KNN, MLP CLASSIFIER, RNN, RANDOM FOREST Index. décimale : mast 91/18 Résumé : La reconnaissance des émotions est un aspect assez important de l’informatique affective. L’étude et le développement des interactions comportementales et émotionnelles sont l’un des objectifs, que cela soit entre un humain et un agent conversationnels animé ou deux humains ou même entre un humain et un robot. Cette tâche est assez complexe car les chercheurs étaient et sont encore, confrontés aÌ€ plusieurs défis, particulièrement la dépendance entre les différentes catégories des traits paralinguistiques et la variabilitéé interlocuteurs. La recherche concernant la représentation verbale d’émotions s’est essentiellement intéressée aÌ€ la description et la classification du lexique des émotions en réduisant l’étude aux possibilités sémantiques et conscientes du phénomène. L’un des objectifs dont on peut parler est l’identification des émotions sur la base du ton de la voix. La parole est un mode de communication plus ancien que le langage écrit. C’est un langage qui est exprimée par le corps aÌ€ travers la vocalisation. A travers cette modulation de la voix, la parole permet la transmission des émotions, des sentiments et des intentions. Dans cette thèse, quatre différents algorithmes sont appliqués et comparés par la suite afin de reconnaître le meilleur d’entre eux qui donne la meilleure précision. Ces quatre algorithmes sont : SVM, RANDOM FOREST, KNN, MLP CLASSIFIER. C’est bien évidemment le KNN qui possède la valeur de précision la plus élevée de 73.9 %. Le but de ce projet est de détecter automatiquement les émotions verbales dans la voix ou dans des interactions orales afin de pouvoir traduire la pensée pour éventuellement la représenter a l`aide d`un ensemble de mots. ANALYSE ET DETECTION DES EMOTIONS VERBALES DANS LES INTERACTIONS ORALES [projet fin études] / Fatima Zohra TRABELSI, Auteur . - [s.d.]. Langues : Français (fre) Catégories : SDBD Mots-clés : émotion, reconnaissance d’émotions, indexation d’émotions, SVM, détection d’émotions, extraction des émotions, interprétation, corpus émotionnel, classification, KNN, MLP CLASSIFIER, RNN, RANDOM FOREST Index. décimale : mast 91/18 Résumé : La reconnaissance des émotions est un aspect assez important de l’informatique affective. L’étude et le développement des interactions comportementales et émotionnelles sont l’un des objectifs, que cela soit entre un humain et un agent conversationnels animé ou deux humains ou même entre un humain et un robot. Cette tâche est assez complexe car les chercheurs étaient et sont encore, confrontés aÌ€ plusieurs défis, particulièrement la dépendance entre les différentes catégories des traits paralinguistiques et la variabilitéé interlocuteurs. La recherche concernant la représentation verbale d’émotions s’est essentiellement intéressée aÌ€ la description et la classification du lexique des émotions en réduisant l’étude aux possibilités sémantiques et conscientes du phénomène. L’un des objectifs dont on peut parler est l’identification des émotions sur la base du ton de la voix. La parole est un mode de communication plus ancien que le langage écrit. C’est un langage qui est exprimée par le corps aÌ€ travers la vocalisation. A travers cette modulation de la voix, la parole permet la transmission des émotions, des sentiments et des intentions. Dans cette thèse, quatre différents algorithmes sont appliqués et comparés par la suite afin de reconnaître le meilleur d’entre eux qui donne la meilleure précision. Ces quatre algorithmes sont : SVM, RANDOM FOREST, KNN, MLP CLASSIFIER. C’est bien évidemment le KNN qui possède la valeur de précision la plus élevée de 73.9 %. Le but de ce projet est de détecter automatiquement les émotions verbales dans la voix ou dans des interactions orales afin de pouvoir traduire la pensée pour éventuellement la représenter a l`aide d`un ensemble de mots.

Réservation

Réserver ce document

Exemplaires

Code barre	Cote	Support	Localisation	Section	Disponibilité
mast 91/18	mast 91/18 FAT	Texte imprimé	Unité des masters	Mast/18	Disponible