• Annual Conference on Human and Language Technology
• /
• 2008.10a
• /
• pp.145-150
• /
• 2008

본 논문에서는 8개의 문장에 대해서 6명의 화자가 5가지 감정 상태로 발화한 총 240개의 문장을 감정 음성 말뭉치로 활용하여 각 감정 상태에서 특징적으로 나타나는 억양 패턴을 분석하고, 이러한 억양 패턴을 음성 합성 시스템에 적용하는 방법에 대해서 논의한다. 이를 위해 본 논문에서는 감정 상태에 따른 특징적 억양 패턴을 억양구의 길이, 억양구의 구말 경계 성조, 하강 현상에 중점을 두어 분석하고, 기쁨, 슬픔, 화남, 공포의 감정을 구분 지을 수 있는 억양 특징들을 음성 합성 시스템에 적용하는 과정을 보인다. 본 연구를 통해 화남의 감정에서 나타나는 억양의 상승 현상을 확인할 수 있었고, 각 감정에 따른 특징적 억양 패턴을 찾을 수 있었다.

• Annual Conference on Human and Language Technology
• /
• 2010.10a
• /
• pp.112-113
• /
• 2010

최근 오피니언 마이닝 관련 연구 중 감정 분류에 대한 관심이 높아지면서 많은 연구가 진행되고 있다. 기존 영어권 연구에서 제시되어온 방법은 한국어 상품평에 적용하는 것이 쉽지 않다. 영어 시소러스 기반 한국어 감정단어 추출 기술은 한국어와 영어 단어가 일대일로 일치하기가 어렵다는 문제가 있다. 기존 관련 연구 중 k-Structure 기법은 패턴의 길이가 3인 단순한 문장에 속성단어와 감정단어가 포함되었을 경우를 기준으로 한 것이므로 한정적이다. 본 논문에서 제안하는 방법은 상품평에서 의미적인 패턴을 추출하여 감정 단어의 위치를 파악하는 방법이다.

• Journal of Korea Game Society
• /
• v.10 no.4
• /
• pp.15-22
• /
• 2010

The purpose of this research is to analyze players' emotion pattern for conducting a quest in Role Playing Game(RPG). We have rebuilt up the action and content of gameplay related to category to set up five action classes of game players based on the literature review about the human behavior classification. Moreover, Mabinogi game includes the composition of various quests by story-centered expanse. We classified the quest structure of the tutorial mode, initial state, of its game into the cognitive action. We build the model of the correlation between cognitive behavior patterns of gameplay and emotions derived from targeting ten novices. The result of this research reveals that gameplayers' stimulus levels are identified to emotion pattern. It is enable to grope to concrete the design of the quest and the level in a specified state. Moreover, players' emotion variation is indicated to the type of expression of fun elements. We expect to use a device to induce the curiousness and the challenge for conducting the higher goal of game in the whole.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2003.05a
• /
• pp.189-192
• /
• 2003

본 논문에서는 인간 두뇌 정보처리 시스템 모델링의 일환으로 강정적 요소 기반의 제어를 제시하였다. 일반적인 제어 시스템과는 달리 인간 두뇌 시스템의 경우 감정적인 요인이 제어에 상당한 영향을 미친다는 의학적 보고에 따라 일차적인 환경요소에 의한 감정요인을 적용하여 모델을 구현하였다. 주어진 모듈 로봇은 랜덤으로 주어지는 환경에 대해 정보수집 단계를 거쳐 주행에 필요한 일차적인 운동 패턴을 습득하고 이를 메모리에 저장하여 분석하며 적응하는 이차적인 운동 패턴을 시행하게 된다 감정요인을 기반으로 한 판단 알고리즘에 의해 모듈 로봇은 환경에 적응하면서 주행하는 패턴을 보여주게 된다.

• Journal of KIISE:Software and Applications
• /
• v.37 no.12
• /
• pp.946-950
• /
• 2010

Many sentiment categorization systems based on machine learning methods use morphological analyzers in order to extract linguistic features from sentences. However, the morphological analyzers do not generally perform well in a customer review domain because online customer reviews include many spacing errors and spelling errors. These low performances of the underlying systems lead to performance decreases of the sentiment categorization systems. To resolve this problem, we propose a feature extraction method based on simple longest matching of Eojeol (a Korean spacing unit) and phoneme patterns. The two kinds of patterns are automatically constructed from a large amount of POS (part-of-speech) tagged corpus. Eojeol patterns consist of Eojeols including content words such as nouns and verbs. Phoneme patterns consist of leading consonant and vowel pairs of predicate words such as verbs and adjectives because spelling errors seldom occur in leading consonants and vowels. To evaluate the proposed method, we implemented a sentiment categorization system using a SVM (Support Vector Machine) as a machine learner. In the experiment with Korean customer reviews, the sentiment categorization system using the proposed method outperformed that using a morphological analyzer as a feature extractor.

• Journal of Digital Convergence
• /
• v.10 no.2
• /
• pp.287-292
• /
• 2012

In this paper, user personalized services through the emotion perception required to support location-based sensing data preprocessing techniques and emotion data preprocessing techniques is studied for user's emotion data building and preprocessing in V-A emotion model. For this purpose the granular context tree and string matching based emotion pattern matching techniques are used. In addition, context-aware and personalized recommendation services technique using probabilistic reasoning is studied for personalized services based on context awareness.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.16 no.3
• /
• pp.372-377
• /
• 2006

In this paper, we propose sensibility recognition model that recognize user's sensibility using brain waves. Method to acquire quantitative data of brain waves including priority living body data or sensitivity data to recognize user's sensitivity need and pattern recognition techniques to examine closely present user's sensitivity state through next acquired brain waves becomes problem that is important. In this paper, we used pattern recognition techniques to use Multi Layer Perceptron (MLP) that is pattern recognition techniques that recognize user's sensibility state through brain waves. We measures several subject's emotion brain waves in specification space for an experiment of sensibility recognition model's which propose in this paper and we made a emotion DB by the meaning data that made of concentration or stability by the brain waves measured. The model recognizes new user's sensibility by the user's brain waves after study by sensibility recognition model which propose in this paper to emotion DB. Finally, we estimates the performance of sensibility recognition model which used brain waves as that measure the change of recognition rate by the number of subjects and a number of hidden nodes.

• Proceedings of the Acoustical Society of Korea Conference
• /
• autumn
• /
• pp.93-96
• /
• 1999

감정을 표현하는 음성 합성 시스템을 구현하기 위해서 이전 논문에서는 음운 및 운율 요소(피치, 에너지, 지속시간, 스펙트럼 인벨로프)가 각 감정 음성에 미치는 영향에 대한 분석을 수행하였다. 본 논문에서는 네 가지 감정 표현(평상, 화남, 기쁨, 슬픔)을 나타내는 음성 데이터에 대해 음절 세그먼트와 라벨링을 행한 감정 음성 데이터베이스를 토대로 감정 표현에 많은 영향을 미치는 요소인 피치가 어떻게 변화하는지를 분석하였다. 통계적인 방법을 이용하여 감정별 피치를 정규화 하였으며, 감정 음성 데이터베이스 내의 문장별 피치 패턴에 대해 분석하였다. 그 결과 감정별 피치의 평균 ZScore는 화남이 가장 작았으며, 기쁨, 평상, 슬픔의 순으로 높았다. 또한 감정별 피치의 범위 변화는 슬픔이 가장 작았으며, 평상, 화남, 기쁨의 순으로 높았다. 문장별 피치의 패턴은 감정 표현에 따라 전체적으로 대부분 유사하게 나타났으며, 문장의 처음 부분은 화남의 경우 다른 감정에 비해 대체로 높게 변화하였고, 화남과 기쁨의 경우 문장의 뒷부분에서 다른 감정에 비해 피치가 상승하는 것을 볼 수 있었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2004.05a
• /
• pp.849-852
• /
• 2004

이 논문에서 제시하는 감정 및 상황데이타 인지 시스템이란 감정 및 상황인식 데이터에 대한 능동적인 인지를 통하여 주변 제어 가전 및 AV가전에 대한 통제를 가능하게하는 실시간 시스템을 말한다. 감정 및 상황데이터 분석을 위하여 Context 정의 및 Context Awareness에 대한 Context 모델링 및 지능적 분석 알고리즘을 제시한다. 감정 및 상황인식을 통한 주변 가전제어에서는 분석된 감정 및 상황 데이터만을 가지고 지능적 시스템이 주변 가전을 제어하는 것이 아니라 여기에 첨가하여 사용자의 행동 패턴에 대한 분석이 필요하다. 지능적 분석 알고리즘에서는 사용자의 행동패턴에 대한 분석을 위하여 신경망의 일부 개념을 도입하였다. 인지 시스템의 검증을 위한 시뮬레이션으로 이 논문에서는 실내환경에서의 가전제어를 제시하고 이에 대한 프레임워크로 OSGi를 도입하였다. 마지막으로 감정 및 상황인지에 대한 분석데이터에 대한 서비스와 가전상태에 대한 인터페이스 제공 모델을 UIML을 이용하여 다중 디바이스 서비스를 제공하는 방법을 제시한다.

• Science of Emotion and Sensibility
• /
• v.20 no.2
• /
• pp.161-170
• /
• 2017

Emotion affects many parts of human life such as learning ability, behavior and judgment. It is important to understand human nature. Emotion can only be inferred from facial expressions or gestures, what it actually is. In particular, emotion is difficult to classify not only because individuals feel differently about emotion but also because visually induced emotion does not sustain during whole testing period. To solve the problem, we acquired bio-signals and extracted features from those signals, which offer objective information about emotion stimulus. The emotion pattern classifier was composed of unsupervised learning algorithm with hidden nodes and feature vectors. Restricted Boltzmann machine (RBM) based on probability estimation was used in the unsupervised learning and maps emotion features to transformed dimensions. The emotion was characterized by non-linear classifiers with hidden nodes of a multi layer neural network, named deep belief network (DBN). The accuracy of DBN (about 94 %) was better than that of back-propagation neural network (about 40 %). The DBN showed good performance as the emotion pattern classifier.