In dyadic conversations, turn-takin

In dyadic conversations, turn-taking is a dynamically evolving behavior strongly linked to paralinguistic communication. Turn-taking temporal evolution in a dyadic conversation is inevitable and can be incorporated into a modeling framework for characterizing and recognizing the personality traits (PTs) of two speakers. This study presents an approach to automatically predicting PTs in a dyadic conversation. First, a recurrent neural network (RNN) was used to model the relationship between Big Five Inventory 10 (BFI-10) items and linguistic features of spoken text in each turn of a speaker (speaker turn) to output a BFI-10 profile. The RNN applies a recurrent property to characterize the short-term temporal evolution of a dialog. Second, the coupled hidden Markov model (C-HMM) was employed to model the long-term turn-taking temporal evolution and cross-speaker contextual information for detecting the PTs of two individuals for the entire dialog represented by the BFI-10 profile sequence. The Mandarin Conversational Dialogue Corpus was used for evaluation. The evaluation result shows that an average perception accuracy of 79.66% for the big five traits was achieved using five-fold cross validation. Compared with conventional HMM and support vector machine-based methods, the proposed approach achieved a more favorable performance according to a statistical significance test. The encouraging results confirm the usability of this system for future applications.

ผลลัพธ์ (ไทย) 1:

ใน dyadic สนทนา การเปิดเป็นลักษณะแบบไดนามิกเชื่อมโยงอย่างยิ่งการสื่อสาร paralinguistic เปิดการวิวัฒนาการขมับในการสนทนา dyadic เป็น และสามารถประกอบเป็นกรอบการสร้างแบบจำลองสำหรับการศึกษา และจดจำลักษณะบุคลิกภาพ (PTs) ของลำโพงทั้งสอง การศึกษานี้นำเสนอวิธีการเพื่อทำนาย PTs ในการสนทนา dyadic โดยอัตโนมัติ ครั้งแรก เครือข่ายประสาทกำเริบ(บอร์นโฮล์ม RNN) ใช้แบบจำลองความสัมพันธ์ระหว่างรายการใหญ่ห้าคลัง 10 (BFI-10) และลักษณะทางภาษาของข้อความที่พูดในทางกลับกันของลำโพง (ลำโพงเปิด) การส่งออกโพรไฟล์ BFI-10 RNN เกี่ยวข้องในทรัพย์สินซ้ำกับลักษณะวิวัฒนาการกาลเวลาระยะสั้นของกล่องโต้ตอบ ที่สอง แบบ Markov ซ่อนคู่ (C-อืมม) ถูกจ้างรุ่นวิวัฒนาการกาลเวลาระยะยาวการเปิดและตรวจสอบ PTs ของสองบุคคลสำหรับกล่องโต้ตอบทั้งหมดที่แสดง โดย BFI-10 โปรไฟล์ลำดับข้อมูลบริบทข้ามลำโพง Corpus จีนกลางสนทนาโต้ตอบถูกใช้สำหรับการประเมินผล ผลการประเมินแสดงว่า การรับรู้ที่ค่าเฉลี่ย 79.66% ลักษณะห้ามีความแม่นยำโดยใช้การตรวจสอบข้ามสาม เมื่อเทียบกับ HMM ธรรมดาและสนับสนุนเวกเตอร์จากเครื่องวิธี วิธีการนำเสนอบรรลุประสิทธิภาพที่ดีขึ้นตามการทดสอบนัยสำคัญทางสถิติ ส่งเสริมผลยืนยันการใช้งานของระบบนี้สำหรับใช้งานในอนาคต

ผลลัพธ์ (ไทย) 2:

ในการสนทนา dyadic เปิดสละเป็นพฤติกรรมแบบไดนามิกการพัฒนาเชื่อมโยงอย่างยิ่งกับการสื่อสาร paralinguistic เปิดการวิวัฒนาการชั่วคราวในการสนทนา dyadic หลีกเลี่ยงไม่ได้และสามารถรวมอยู่ในกรอบการสร้างแบบจำลองสำหรับการพัฒนาการและการตระหนักถึงลักษณะบุคลิกภาพ (pts) ของลำโพงทั้งสอง การศึกษาครั้งนี้นำเสนอวิธีการที่จะทำนายแต้มในการสนทนา dyadic โดยอัตโนมัติ ครั้งแรกที่เครือข่ายประสาทกำเริบ (RNN) ได้ถูกใช้ในรูปแบบความสัมพันธ์ระหว่าง Big Five สินค้าคงคลัง 10 (BFI-10) รายการและคุณลักษณะของภาษาข้อความที่พูดในทางกลับกันของลำโพง (เปิดลำโพง) แต่ละคนเพื่อการส่งออกรายละเอียด BFI-10 RNN ใช้สถานที่ให้บริการที่เกิดขึ้นอีกลักษณะวิวัฒนาการชั่วคราวระยะสั้นของโต้ตอบ ประการที่สองคู่ที่ซ่อนอยู่แบบจำลองมาร์คอฟ (C-HMM) ถูกจ้างมาเพื่อจำลองระยะยาวเปิดการวิวัฒนาการขมับและข้ามลำโพงข้อมูลบริบทการตรวจวัด PTs ของบุคคลทั้งสองในการโต้ตอบทั้งตัวแทนจากลำดับรายละเอียด BFI-10 . บทสนทนาภาษาจีนกลาง Corpus สนทนาถูกนำมาใช้สำหรับการประเมินผล ผลการประเมินแสดงให้เห็นว่าความถูกต้องรับรู้เฉลี่ย 79.66% สำหรับ Big Five ลักษณะก็ประสบความสำเร็จโดยใช้การตรวจสอบข้ามห้าเท่า เมื่อเทียบกับอืมและการสนับสนุนเวกเตอร์วิธีการเครื่องตามธรรมดาวิธีการที่นำเสนอผลการดำเนินงานที่ประสบความสำเร็จที่ดีขึ้นตามการทดสอบนัยสำคัญทางสถิติ ผลการให้กำลังใจยืนยันการใช้งานของระบบนี้สำหรับการใช้งานในอนาคต

ผลลัพธ์ (ไทย) 3:

ในการสนทนานี้ เปลี่ยนถ่าย คือการพัฒนาพฤติกรรมแบบไดนามิกขอเชื่อมโยงการสื่อสาร paralinguistic . เปิดการวิวัฒนาการทางโลกในการสนทนานี้เป็นสิ่งที่หลีกเลี่ยงไม่ได้ และจะรวมไว้ในแบบจำลองเพื่อกำหนดลักษณะและตระหนักถึงลักษณะบุคลิกภาพ ( PTS ) สองลำโพง การศึกษานี้เสนอแนวทางโดยอัตโนมัติทำนายคะแนนในการสนทนานี้ . แรก , ดำเนินการโครงข่ายประสาทเทียม ( rnn ) ใช้แบบจำลองความสัมพันธ์ระหว่างห้าสินค้าคงคลัง 10 ( bfi-10 ) รายการและคุณสมบัติของภาษาศาสตร์พูดข้อความในแต่ละเปิดของลำโพง ( ลำโพงเปิด ) ออก bfi-10 โปรไฟล์ การใช้คุณสมบัติ rnn กำเริบลักษณะวิวัฒนาการชั่วคราวระยะสั้นของกล่องโต้ตอบ สอง , คู่ฮิดเดนมาร์คอฟโมเดล ( c-hmm ) ใช้รูปแบบเปิดใช้ชั่วคราวและระยะยาววิวัฒนาการข้ามลําโพงข้อมูลเชิงบริบทสำหรับการตรวจจับแต้มสองบุคคลสำหรับทั้งหมดโต้ตอบที่แสดงโดย bfi-10 โปรไฟล์ของลำดับ ภาษาจีนกลางสนทนาบทสนทนาคลังข้อมูลใช้เพื่อการประเมินผล ผลการประเมิน พบว่า ค่าเฉลี่ยการรับรู้ความ 79.66 % สำหรับห้าลักษณะคือความใช้ห้าโฟลด เมื่อเทียบกับอืมธรรมดาและเครื่องเวกเตอร์สนับสนุนตามวิธีการ วิธีการที่เสนอบรรลุประสิทธิภาพที่ดีขึ้นจากการทดสอบนัยสำคัญทางสถิติ สนับสนุนยืนยันการใช้งานของระบบสำหรับการใช้งานในอนาคต