|
JAIST Repository >
b. 情報科学研究科・情報科学系 >
b50. 科学研究費助成事業研究成果報告書 >
2017年度 >
このアイテムの引用には次の識別子を使用してください:
http://hdl.handle.net/10119/15393
|
| タイトル: | マルチモーダル会話モデリングに基づくグループ意思決定プロセスの解析 |
| その他のタイトル: | Analyzing group decision making process based on multimodal conversation modeling |
| 著者: | 岡田, 将吾 |
| 著者（別表記）: | Okada, Shogo |
| キーワード: | マルチモーダルインタラクション
社会的信号処理
機械学習
データマイニング
グループディスカッション |
| 発行日: | 11-Jun-2018 |
| 抄録: | 本研究の目的は，意思決定を行うためのグループ会議に焦点を当て，会議中に交わされる会話者の言語・非言語情報から，意思決定が行われるまでのプロセスを会話データより客観的に解析出来る技術を新規に開発することである． 言語・非言語情報（発話，音声，動作）と，アノテーションされたグループディスカッションの質を紐づけることで，良質なディスカッションに特有に現れる非言語情報や，コミュニケーション能力の高い人に見られる特有の言語パターンを抽出出来るフレームワークを構築した．機械学習のSupport Vector Machine を用いた結果，最大82％の精度で推定するモデルを構築した．：This research project focuses on group discussion for a problem solving and develops a framework for analyzing the group decision making process based on verbal and nonverbal (multimodal) information which observed from group members. We defined the quality of group output as an index set of social science (“product dimension”), which proposed by Hackman. The annotation data of the quality of group output has been collected. The machine learning model it developed to predict the product dimension from multimodal information including dialog transcription, head motion, speech prosody and turn taking. Novel co-occurrence data mining is proposed to capture the group interaction and multimodal patterns. Through the machine learning modeling and data mining, the specific multimodal features observed in group discussion process with high/low quality can be discovered automatically. Best prediction accuracy of product dimension is 82 % in binary classification task (high or low of quality). |
| 記述: | 基盤研究(C)（一般）
研究期間：2015～2017
課題番号：15K00300
研究者番号：00512261
研究分野：知能情報処理 |
| 言語: | jpn |
| URI: | http://hdl.handle.net/10119/15393 |
| 出現コレクション: | 2017年度 (FY 2017)
|
このアイテムのファイル:
| ファイル |
記述 |
サイズ | 形式 |
|---|
| 15K00300seika.pdf | | 348Kb | Adobe PDF | 見る/開く |
|
当システムに保管されているアイテムはすべて著作権により保護されています。
|
