《实验细节》MELD文本预处理

最新推荐文章于 2023-08-23 18:59:07 发布
最新推荐文章于 2023-08-23 18:59:07 发布
阅读量1.5k 收藏 2
点赞数 1
分类专栏： NLP 文章标签： python 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_44833392/article/details/128678251
版权
NLP 专栏收录该内容
89 篇文章 51 订阅 ¥29.90 ¥99.00
订阅专栏
MELD数据集源自EmotionLines，包含1443段对话，每段对话平均9.5句话，标注了7种情绪。本文档介绍了数据集的大小、文件结构，以及如何将数据预处理并保存为pickle和json格式。
摘要由CSDN通过智能技术生成

《实验细节》MELD文本预处理

题记

MELD数据集源于EmotionLines[10]数据集，后者是一个纯文本的对话数据集，来自于经典电视剧老友记。MELD数据集包含了与EmotionLines相同的对话，并在此基础上包含了视频、音频和文本的多模态数据。数据集总共包含1443段对话，13708句话语，平均每段对话有9.5句话，每句话平均持续时间为3.6秒。对话片段的每句话被标注为七种情绪标签的其中一个，包括生气、厌恶、悲伤、快乐、中性、惊喜和恐惧。与此同时，每句话也拥有相应的情感标签，分为积极、消极和中性。

数据集详情

大小

12GB

文件结构

在这里插入图片描述

文本数据格式

标题 内容 含义
Sr No. 2
Utterance You must’ve had your hands full. 文本
了解本专栏 订阅专栏 解锁全文
365JHWZGo
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
对话情感识别MELD数据集
06-17
对话情感识别MELD数据集
Pytorch实现Bert/RoBerta微调（以MELD数据集为例）
csdndogo的博客
07-17 6644
本文记录我在学习BERT/ROBERTAfine-tuning过程的遇到的问题，包括内存受限，微调概念，微调方法等。文章方法不适用于逐层微调，且只以NLP文本分类举例，微调代码参考。
情感常用数据集整理
weixin_43765589的博客
08-16 5113
整理了一些情感常用和不常用的数据集
ICASSP2023论文分享 | DST：基于Transformer的可变形语音情感识别模型
weixin_48827824的博客
03-13 2328
本次分享华南理工大学、优必选研究院等合作在ICASSP2023会议发表的论文《DST: Deformable Speech Transformer for Emotion Recognition》。该论文提出一个可变形的Transformer结构来对语音情感信号进行建模，能够自适应地发现并关注到语音信号中有价值的细粒度情感信息。
在MELD数据集上利用BERT得到句向量表示
csdndogo的博客
06-01 801
用BERT作特征编码器，提取MELD的话语特征
情感对话数据集介绍
weixin_39663060的博客
10-14 5710
数据集一、Dailydialogue 该数据集是从英语学习者相关的网站上爬取的对话数据集，主题相对集中，语法相对规范。 总共有一万多个对对话，每个对话大概8轮。 数据集众包含的文件有： 1）dialogues_text.txt:包含所有的一万多个对话，每行代表一对对话，对话之间用_eou_隔开，对话结尾也有一个_eou_。 2）dialogues_topic.txt:每行对应于一对对话所包含的主题，用数字1——10表示，其中1代表日常生活，2代表学校生活，3代表文化和教育，4代表态度和情感，5
数据集 | 基于语音（Speech）/多模态（Multimodal）的情绪识别数据集，格式及下载
weixin_44649780的博客
05-12 7911
RAVDESS 包含 24 名专业演员（12 名女性，12 名男性），用中性的北美口音说出两个词汇匹配的陈述。文件名由 7 部分数字标识符组成（例如，03-01-06-01-02-01-12.wav）。情绪（01 = 中性，02 = 平静，03 = 快乐，04 = 悲伤，05 = 愤怒，06 = 恐惧，07 = 厌恶，08 = 惊讶）。情绪强度（01 = 正常，02 = 强烈）。模态（01 = 全 AV，02 = 仅视频，03 = 仅音频）。文件名示例：03-01-06-01-02-01-12.wav。
《Modulated Fusion using Transformer for Linguistic-Acoustic EmotionRecognition》论文翻译
weixin_65028255的博客
07-25 621
《Modulated Fusion using Transformer for Linguistic-Acoustic EmotionRecognition》论文翻译
情感对话识别与生成简述
彭伟的博客
06-29 2490
近年来，随着自然语言处理技术的快速发展，人机对话系统受到了很多关注，并逐渐成为了学术界和工业界的研究热点。人机对话系统不断发展进步，应用范围不断扩大，人们对它也有了更高的要求，希望机器在关注回复内容的基础上，可以与人进行更深入的交流。近期的一些工作表明[10, 13, 15,16, 18-21, 23]，在人机对话系统中，除了回复内容之外，机器与人的情感交流也是一个重要问题。人类可以通过语言进行情感上的交流，获得情感上的慰藉，对话系统想要和人类进行有效的情感沟通，就必须具备一定的情感能力。具体来说...
【对话生成】常见对话生成数据集整理，含下载链接(更新至2022.06.04)
热门推荐
陈艺荣
09-02 1万+
本文主要整理对话生成领域相关的数据集，尤其是开放域对话生成。当前可以把开放域对话生成任务划分为：传统开放域对话生成、多模态对话生成、情感对话生成、个性化对话生成、策略控制对话生成等。笔者的划分是根据自己对该任务研究进展梳理而得到的理解，并不一定合理。 年份 数据集简称 语言 模态 单轮/多轮 对话(Dialog)个数 句子(Utterance)数 角色(Speaker)数 ...
Meld 文件比较工具（MacOS）
11-11
macos 系统好用的文件比较工具 ,安装即可使用。好用的文件比较工具。亲自测试可用，找了很久。mac版本的Beyond Compare 3
daily_dialogue
04-04
多轮情感对话数据集。本数据集的采集来自于英语学习者相关的网站，作者爬取了大量英语学习网站中的对话练习内容。这些网站上的对话是英语学习者书写的，相比较于Twitter Dialog Corpus (Ritter et al., 2011)和Chinese Weibo dataset (Wang et al., 2013)这些由微博构造的数据集在语法上更规范严谨。总共有13000对个对话，每个对话大概有8轮
人脸表情识别数据集-emotion_faces-data-new
04-11
kaggle2018年的人脸表情识别数据集，来自实验室环境下采集的7864张人脸彩色图，每人采集了20张不同表情。
MELD:以单细胞分辨率量化实验扰动
05-09
融合 在单细胞分辨率下量化实验扰动的影响 讲解 有关Google CoLab中的MELD的快速入门教程，请从我们的查看以下笔记本： 如果您正在寻找关于MELD和VFC的深入教程，请从... MELD的目标是确定受实验扰动影响最大的细胞群。
meld 1.3.0 & 1.3.1
03-29
这款工具为用户提供了一个直观的界面，用于比较文本文件、目录和版本控制的差异，并能进行合并操作。在IT行业中，Meld对于软件开发人员、系统管理员以及任何需要比对文件差异的人来说都十分有用。 Meld 1.3.0和...
【使用机器学习和深度学习对城市声音进行分类】基于两种技术（ML和DL）对音频数据（城市声音）进行分类（Matlab代码实现）
最新发布
Ke_Yan_She的博客
08-23 871
使用机器学习和深度学习对城市声音进行分类是一个有趣的研究课题。下面是一种基本的方法，结合了机器学习（ML）和深度学习（DL）技术：1. 数据收集和预处理：收集大量城市声音的音频数据集。可以使用麦克风或其他录音设备在不同城市环境下进行采集。确保采集到的音频数据有足够的多样性和代表性。对音频数据进行预处理，如音频剪辑、采样率调整、去噪等。2. 特征提取：从音频数据中提取有代表性的特征向量。可以使用机器学习常见的音频特征提取方法，如Mel频谱系数（MFCC）、音频能量、过零率等。
多模态情感分析论文解读——CTFN模型
qq_44609058的博客
04-20 7679
论文：CTFN: Hierarchical Learning for Multimodal Sentiment Analysis Using Coupled-Translation Fusion Network 论文链接：其中couple learning能够并行的进行双向跨模态的相互关联，本文通过(text,video)、(audio,text)、(audio,video)3个CTFN模块结合使用以弥补模态缺失。 论文、动机及相关工作介绍 该论文发布在ACL-2021，由浙江省脑机协...
项目-2.EVP论文与代码解析(Audio-Driven Emotional Video Portraits)
bingokunkun的博客
02-28 5320
EVP[]CV:音视频转换1.资源链接1.1 论文1.2 代码2.论文解析3.代码复现4.代码解析5.个人总结 1.资源链接 1.1 论文 (Audio-Driven Emotional Video Portraits)[https://arxiv.org/abs/2104.07452] 1.2 代码 2.论文解析 3.代码复现 4.代码解析 5.个人总结 摘要 尽管之前在生成音频驱动的说话人脸方面取得了成功，但之前的大多数研究都集中在语音内容与嘴形之间的相关性上。 面部情感是自然人脸上最重要的特征
MELD数据集通过两个GRU进行文本情感分析
05-20
是的，MELD数据集是一个多模态的数据集，包括音频、文本和视频。其中，文本部分采用了双向GRU进行情感分类。具体来说，该模型首先将输入文本嵌入到一个维度为300的词嵌入空间中，然后将其输入到两个双向GRU中。这两个GRU分别负责编码正向和反向的文本信息，最终的输出是将这两个GRU的输出拼接在一起得到的。接下来，通过一个全连接层将GRU的输出映射到一个情感标签空间中，得到最终的情感分类结果。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

365JHWZGo

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值