[論文レビュー] Social Robot Modelling of Human Affective State

David B. Skillicorn, Nasser A Alsadhan+2 more|arXiv (Cornell University)|May 2, 2017

Mental Health Research Topics参考文献 2被引用数 3

ひとこと要約

本稿では、ツイートやFacebook投稿のような短く非形式的なテキストから自然言語処理技術を用いて人間の感情状態（感情、気分、性格、欲求、態度）を推定する計算フレームワークを提案する。入力が限定的でノイズが多い状況下でも、特に性格予測において70%の精度を達成しており、社会的ロボットにおける軽量でリアルタイムな感情状態モデリングが可能であることを示している。

ABSTRACT

Social robots need to understand the affective state of the humans with whom they interact. Successful interactions require understanding mood and emotion in the short term, and personality and attitudes over longer periods. Social robots should also be able to infer the desires, wishes, and preferences of humans without being explicitly told. We investigate how effectively affective state can be inferred from corpora in which documents are plausible surrogates for what a robot might hear. For mood, emotions, wishes, desires, and attitudes we show highly ranked documents; for personality dimensions, estimates of ground truth are available and we report performance accuracy. The results are surprisingly strong given the limited information in short documents.

研究の動機と目的

• 社会的ロボットが明示的な指示なしに人間の感情状態（感情、気分、性格、欲求、態度）をモデル化できるようにすること。
• 短く非形式的なテキスト（例：ツイート、Facebook投稿）が、リアルタイムの人間-ロボット相互作用データの代替として信頼できるものかどうかを調査すること。
• 最小限のテキスト入力で、軽量で計算的に効率的な感情状態推定手法を開発すること。
• 特に実際の正解データが入手可能な分野（例：性格）において、感情のさまざまな側面に対する感情状態モデリングの性能を評価すること。
• 実用的な計算リソースを用いた社会的ロボットにおけるリアルタイム感情状態モデリングの実現可能性を検証すること。

提案手法

• 本研究では、ツイート、見出し、Facebook投稿を、ロボットが聞き耳を立てることのできるデータストリームとして扱い、リアルタイムの人間の発話の代替データとして使用する。
• 感情および態度検出のため、修正されたOsgoodの意味的差別モデルを用いて、感情的コンテンツに基づいてドキュメントをランク付けする。
• 性格推定には、OCEANモデル（開放性、誠実性、外向性、協調性、神経質性）に基づく行列分解手法を用い、検証のための正解データを提供する。
• テキストから潜在的な感情的次元を推定するために、特異値分解（SVD）を適用し、新しいテストデータが追加された際にSVDを再計算しなくてよいようにする技術を導入する。
• 新しい行（ドキュメント）がデータ行列 $\hat{A}$ に追加された際に、変換行列 $\hat{V}$ を効率的に更新するため、Moore-Penrose逆行列を用いる。
• 感情、欲求、態度のためのフェイス検証を実施：高ランクのドキュメントを手動で検査し、対象の感情的性質を示しているかを確認する。

実験結果

リサーチクエスチョン

• RQ1 ツイートやFacebook投稿のような短く非形式的なテキストが、人間の感情、気分、性格に関する情報を信頼できる形で伝えることができるか？
• RQ2 最小限のテキスト入力から、計算モデルが性格特徴（OCEAN）をどの程度正確に推定できるか？
• RQ3 明示的な命令なしに、ロボットが非構造的で非形式的なテキストから欲求、希望、好みをどの程度正確に推定できるか？
• RQ4 Osgoodモデルは、ノイズが多くて短いテキストにおいて、弱い態度や感情の正負の価値をどの程度効果的に検出できるか？
• RQ5 最小限の計算オーバーヘッドで、社会的ロボットにおいて軽量でリアルタイムの感情状態モデリングを実現できるか？

主な発見

• モデルは短いテキストからOCEAN性格特徴を70%の精度で予測しており、類似のタスクにおいて一般的な人間の性能（80%の精度）を上回っている。
• 入力が限定的でノイズが多い状況下でも、モデルは顔検証により確認されたように、特定の感情、気分、態度を示す高ランクのドキュメントを効果的に特定している。
• Osgoodモデルは態度検出においてやや弱い性能を示しており、これは短いテキストにおける感情的表現の曖昧さや低重み性に起因すると考えられる。
• SVDに基づくモデルに対する効率的な段階的更新が可能であり、完全な再計算を回避し、リアルタイム推論を可能としている。
• 結果として、最小限のテキスト入力でも実用的な感情状態モデリングが可能であることが示されており、実世界の社会的ロボットアプリケーションへの実現可能性を示唆している。
• 本研究では、気分が感情表現に顕著に影響を与えることが確認されており、正確な感情推定の前提として気分モデリングが不可欠であることを裏付けている。