| 1 |
1
컴퓨팅 장치에 의해 수행되는 감정 인식 방법으로서,사용자의 음성으로부터 음성의 특징을 추출하는 단계,상기 음성의 특징을 복수의 감정 추론 모델에 각각 입력하는 단계,각 감정 추론 모델로부터 복수의 감정에 각각 해당할 복수의 확률을 도출하는 단계,상기 복수의 감정 추론 모델에서 도출되는 각 감정에 해당할 확률을 융합하여 각 감정의 융합 확률을 생성하는 단계, 그리고상기 복수의 감정 중에서 상기 융합 확률이 가장 큰 감정을 상기 사용자의 감정으로 추론하는 단계를 포함하는 감정 인식 방법
|
| 2 |
2
제1항에서,상기 융합 확률을 생성하는 단계는, 상기 복수의 감정 추론 모델에서 도출되는 각 감정에 해당할 확률의 평균값을 상기 융합 확률로 생성하는 단계를 포함하는 감정 인식 방법
|
| 3 |
3
제1항에서,상기 융합 확률을 생성하는 단계는, 상기 복수의 감정 추론 모델에서 도출되는 각 감정에 해당할 확률의 가중 평균값을 상기 융합 확률로 생성하는 단계를 포함하는 감정 인식 방법
|
| 4 |
4
제1항에서,상기 각 감정 추론 모델은 훈련 데이터 세트에 의해 기계 학습되어 있으며,상기 훈련 데이터 세트의 각 훈련 데이터는 음성의 특징과 상기 음성의 특징에 레이블링되어 있는 감정을 포함하는 감정 인식 방법
|
| 5 |
5
컴퓨팅 장치에 의해 수행되는 감정 인식 방법으로서,사용자의 음성으로부터 음성의 특징을 추출하는 단계,상기 음성의 특징을 복수의 감정 추론 모델에 각각 입력하는 단계,각 감정 추론 모델로부터 복수의 감정에 각각 해당할 복수의 확률을 도출하는 단계,상기 복수의 감정 추론 모델 각각에서 도출되는 상기 복수의 확률에 융합 추론 모델에 입력하는 단계, 그리고상기 융합 추론 모델로부터 상기 사용자의 감정을 추론하는 단계를 포함하는 감정 인식 방법
|
| 6 |
6
제5항에서,상기 융합 추론 모델은 훈련 데이터 세트에 의해 기계 학습되어 있으며,상기 훈련 데이터 세트의 각 훈련 데이터는 상기 복수의 감정 추론 모델에서 출력되는 복수의 확률과 상기 복수의 확률에 레이블링되어 있는 감정을 포함하는감정 인식 방법
|
| 7 |
7
제5항에서,상기 각 감정 추론 모델은 훈련 데이터 세트에 의해 기계 학습되어 있으며,상기 훈련 데이터 세트의 각 훈련 데이터는 음성의 특징과 상기 음성의 특징에 레이블링되어 있는 감정을 포함하는 감정 인식 방법
|
| 8 |
8
명령어를 저장하는 메모리, 그리고프로세서를 포함하며, 상기 프로세서는 상기 명령어를 실행함으로써,사용자의 음성으로부터 음성의 특징을 추출하고,상기 음성의 특징을 복수의 감정 추론 모델에 각각 입력하고,각 감정 추론 모델로부터 복수의 감정에 각각 해당할 복수의 확률을 도출하고,상기 복수의 감정 추론 모델 각각에서 도출되는 상기 복수의 확률에 기초해서 상기 사용자의 감정을 추론하는감정 인식 장치
|
| 9 |
9
제8항에서,상기 프로세서는,상기 복수의 감정 추론 모델에서 도출되는 각 감정에 해당할 확률을 융합하여 각 감정의 융합 확률을 생성하고,상기 복수의 감정 중에서 상기 융합 확률이 가장 큰 감정을 상기 사용자의 감정으로 추론하는감정 인식 장치
|
| 10 |
10
제8항에서,상기 프로세서는,상기 복수의 감정 추론 모델 각각에서 도출되는 상기 복수의 확률을 융합 추론 모델에 입력하고,상기 융합 추론 모델로부터 상기 사용자의 감정을 추론하는 감정 인식 장치
|
| 11 |
11
제10항에서,상기 융합 추론 모델은 훈련 데이터 세트에 의해 기계 학습되어 있으며,상기 훈련 데이터 세트의 각 훈련 데이터는 상기 복수의 감정 추론 모델에서 출력되는 복수의 확률과 상기 복수의 확률에 레이블링되어 있는 감정을 포함하는감정 인식 장치
|
| 12 |
12
제8항에서,상기 각 감정 추론 모델은 훈련 데이터 세트에 의해 기계 학습되어 있으며,상기 훈련 데이터 세트의 각 훈련 데이터는 음성의 특징과 상기 음성의 특징에 레이블링되어 있는 감정을 포함하는 감정 인식 장치
|
