Valutazione di algoritmi di Machine Learning per il riconoscimento delle emozioni

Il lavoro di tesi presentato pone l’obiettivo di creare vari modelli di riconoscimento delle emozioni dal parlato e osservarne il comportamento, al fine di stabilire quale sia il migliore. Il progetto di tesi approfondisce l’argomento noto come Speech Emotion Recognition (SER), ovvero l’utilizzo di algoritmi di Machine Learning per l’estrapolazione di informazioni dal suono al fine di riconoscere una determinata emozione dalla sorgente vocale presa in considerazione. Utilizzato nel campo dell’intelligenza artificiale, nei servizi che richiedono un’interazione naturale uomo-macchina, in cui la risposta di questi sistemi all’utente dipende dall’emozione rilevata. Man mano che le interfacce utente guidate dal parlato diventano più comuni nella vita di tutti i giorni, la mancanza di intelligenza emotiva sta diventando più evidente ed è altamente desiderabile aggiungere questa dimensione all’interazione uomo-macchina. Lo scopo di questo lavoro non è dunque quello di migliorare lo stato dell’arte, ma bensì fornire una solida base di partenza con la quale poter ampliare lo studio e la ricerca nell’ambito dell’intelligenza artificiale per il riconoscimento di emozioni dal parlato. I vari modelli valutati per il riconoscimento di emozioni dal parlato hanno portato a buoni risultati; in particolare Extreme Gradient Boosting. Il modello, i parametri utilizzati e l’approccio applicato possono essere un punto di partenza per approfondimenti futuri. Il lavoro svolto ci ha aiutato a capire perché la ricerca nel Speech Emotion Recognition sia così importante e quali siano le principali complicazioni che ne rallentano lo sviluppo. Questo progetto di tesi può essere utile come guida di partenza per lo sviluppo di applicazioni di Machine Learning nell’ambito del SER; seguendo i passaggi indicati è possibile giungere a un base solida per il test di vari algoritmi di classificazione nel Machine Learning, oltre ad apprendere e riconoscere meglio il dominio di riferimento.