3.High-level Feature Representation using Recurrent Neural Network for Speech Emotion Recognition

---

前言

原文地址-2015

---

一、文章内容

• 文章先总结了使用神经网络进行感情识别工作的不足（以前的工作主要是对这篇论文Speech Emotion Recognition Using Deep Neural Network and Extreme Learning Machine），然后提出了改进措施
• 这个文章在长期的上下文效应和情绪标签对语音内部情绪表达的不确定（就是一句话整体的含义标签是固定的，但是这句话内部可能存在和这个感情标签不同的感情状态）性两个方面提出了相应的解决办法，模型的整体架构如下。
  
• 针对上下文效应采用了BLSTM模型对帧级别的序列特征进行建模，不用拼接了。充分的在高层的特征表达上融合了上下文信息
• 同时提出一种方法可以是模型更关注与感情有关的帧，类似与注意力机制
• 实验结果如下，提高到了60%了
  

二、文章总结

• 文章创新点：BLSTM ，注意力机制
• 优点
  • 使用RNN代替了DNN的建模方式，更好的对时序数据进行建模
  • 提出一种注意力方法让模型更加关注音频中与预测标签相关的特征
• 缺点
  • 全局特征的提取过程用来了数学统计公式计算的
  • 分两步进行实验的