Prosodisch-Linguistische Klassifikation Von Emotion

Emotionen spielen in der zwischenmenschlichen Kommunikation eine wesentliche Rolle. Der Mensch vermittelt seiner Umwelt seine Emotionen bewusst und unbewusst, uber seine Stimme, Mimik, Gestik und durch Kombinationen dieser Mittel. Zu den Emotionen zahlen dabei z.B. Freude, Traurigkeit, Arger oder Frustration. Diese Arbeit beschrankt sich auf die maschinelle Klassifikation von Emotion in gesprochener Sprache, d.h. Merkmale aus Mimik und Gestik werden nicht berucksichtigt. Ein Anwendungsgebiet fur einen derartigen Emotionsklassifikator ist z.B. die Verbesserung automatischer Dialogsysteme. Das automatische Dialogsystem wird um diese Komponente erweitert und ist dann in der Lage den emotionalen Zustand des Anwenders zu bestimmen. Wird dieser zusehends verargert, z.B. weil das automatische System mehrfach falsch versteht und dadurch der Dialog fehl schlagt, kann dies das automatische System erkennen und geeignete Massnahmen ergreifen. Zu diesen Massnahmen gehort z.B. die Initialisierung eines Klarungsdialogs oder auch das ubergeben an einen menschlichen Call-Center-Agenten. In diesem Zusammenhang spielen Emotionen wie Freude und Traurigkeit eher eine untergeordnete Rolle. In dieser Arbeit wird daher unter dem Begriff "Emotion" das Auftreten von Arger bzw. Frustration oder allgemein das Vorhandensein eines "Kommunikationsproblems" zwischen Mensch und Maschine verstanden. Als Klassifikator wird in der vorliegenden Arbeit der Formalismus der kunstlichen neuronalen Netze verwendet. Fur die Klassifikation der Emotion werden verschiedene prosodisch-linguistische Merkmalsatze verwendet, auf deren Berechnung detailliert eingegangen wird. Als prosodische Merkmale werden z.B. Grundfrequenz- und Energieverlaufe und die Langen von Pausen und gesprochenen Wortern innerhalb verschiedener Analysefenster verwendet. Als linguistische Merkmale dienen Wortklassen, verschiedene Dialogakte und das Auftreten von Wiederholungen und Reformulierungen innerhalb der Dialoge. Fur die einzelnen Experimente stehen dabei zwei verschiedene Aufnahmeszenarien zur Verfugung. Zum Einen werden Klassifikationsexperimente unter der Verwendung von Schauspieldaten vorgestellt. Als Schauspieldaten werden dabei Aufnahmen bezeichnet, bei denen den Testpersonen einige wenige Ausserungen vorgegeben sind, die sowohl argerlich als auch neutral zu sprechen sind. Dabei wird der Arger nur simuliert. Da diese Daten in der Regel stark von den Daten abweichen, die in einer realen Anwendung vorliegen, werden zum Anderen Aufnahmen von sogenannten Wizard-of-Oz-Experimenten verwendet. Bei diesen Experimenten hat jede Testperson die Aufgabe, mit einem vermeintlich automatischem Dialogsystem innerhalb von 20 Minuten an Hand eines Terminkalenders zehn Termine zu vereinbaren. Tatsachlich werden die einzelnen Dialoge zwischen den Testpersonen und dem System von einem Versuchsleiter gesteuert. Das Ziel dabei ist, die Testperson durch gezielte Verwendung von unsinnigen Systemausserungen oder absichtlichem Falschverstehen zu emotionalen Ausserungen zu verleiten. Das Verhalten des Dialogsystems ist dem eines realen Systems vergleichbar, so dass die erhaltenen Aufnahmen im Vergleich zu den Aufnahmen mit rein simulierter Emotion eher denen einer realen Anwendung entsprechen. Es werden verschiedene Klassifikationsexperimente unter Verwendung der unterschiedlichen Merkmalsatze und der beiden Aufnahmeszenarien vorgestellt und die einzelnen Ergebnisse werden miteinander verglichen und kritisch beurteilt.