[논문 리뷰] Towards semantic and affective coupling in emotionally annotated databases

Marko Horvat, Siniša Popović외 1명|arXiv (Cornell University)|2012. 12. 01.

Advanced Text Analysis Techniques참고 문헌 22인용 수 6

한 줄 요약

이 논문은 기존의 정감성 태그가 부여된 데이터베이스에서 의미적 콘텐츠와 정서적 반응 간의 정적 상관관계를 활용하여, 개인별 맞춤형 데이터베이스를 구축하기 위한 효율적이고 상호작용 가능한 관련성 피드백 기법을 제안한다. 정보 정제를 통해 의미적 메타데이터에서 정서적 태그를 자동으로 추정함으로써 수작업 태깅에 의존하는 것을 줄이고, 데이터베이스 구축 속도를 크게 향상시키면서도 품질을 유지한다.

ABSTRACT

Emotionally annotated databases are repositories of multimedia documents with annotated affective content that elicit emotional responses in exposed human subjects. They are primarily used in research of human emotions, attention and development of stress-related mental disorders. This can be successfully exploited in larger processes like selection, evaluation and training of personnel for occupations involving high stress levels. Emotionally annotated databases are also used in multimodal affective user interfaces to facilitate richer and more intuitive human-computer interaction. Multimedia documents in emotionally annotated databases must have maximum personal ego relevance to be the most effective in all these applications. For this reason flexible construction of subject-specific of emotionally annotated databases is imperative. But current construction process is lengthy and labor intensive because it inherently includes an elaborate tagging experiment involving a team of human experts. This is unacceptable since the creation of new databases or modification of the existing ones becomes slow and difficult. We identify a positive correlation between the affect and semantics in the existing emotionally annotated databases and propose to exploit this feature with an interactive relevance feedback for a more efficient construction of emotionally annotated databases. Automatic estimation of affective annotations from existing semantics enhanced with information refinement processes may lead to an efficient construction of high-quality emotionally annotated databases.

연구 동기 및 목표

• 현재 정감성 태그가 부여된 데이터베이스 구축 방식이 전문가 중심의 장시간 태깅 실험에 의존함으로써 효율성이 떨어지는 문제를 해결하기 위해.
• 기존 데이터베이스에서 의미적 콘텐츠와 정서적 반응 간의 정적 상관관계를 식별하고 활용하기 위해.
• 다양한 사용자에 맞는 개인 맞춤형 데이터베이스를 유연하게 구축할 수 있는 상호작용 기반 관련성 피드백 시스템을 개발하기 위해.
• 정감성 태그가 부여된 데이터베이스를 구축하거나 수정하는 데 소요되는 노동 강도와 시간을 줄이기 위해.

제안 방법

• 멀티미디어 콘텐츠와 정서적 반응을 연결한 기존의 정감성 태그가 부여된 데이터베이스를 활용한다.
• 의미적 특징과 정서적 태그 간의 정적 상관관계를 식별하고 모델링한다.
• 사용자가 개인적인 정서적 관련성을 기반으로 데이터베이스 콘텐츠를 정밀하게 조정할 수 있는 상호작용 기반 관련성 피드백 메커니즘을 구현한다.
• 의미적 메타데이터의 정제를 적용하여 정서적 태그 예측을 자동화한다.
• 정제된 의미적 데이터를 활용해 정서적 레이블을 추정함으로써 수작업 태깅의 필요성을 최소화한다.
• 동적이고 사용자 적응형 데이터베이스 구축을 위한 프레임워크에 시스템을 통합한다.

실험 결과

연구 질문

• RQ1 정감성 태그가 부여된 데이터베이스의 의미적 콘텐츠가 자동 태깅을 지원할 수 있도록 정서적 반응을 신뢰성 있게 예측할 수 있는가?
• RQ2 상호작용 기반 관련성 피드백은 개인 맞춤 정감성 태그가 부여된 데이터베이스 구축의 효율성을 어떻게 향상시키는가?
• RQ3 의미적 메타데이터의 정보 정제가 수작업 정서 태깅의 필요성을 얼마나 줄일 수 있는가?
• RQ4 의미-정서의 결합은 구축된 데이터베이스의 품질과 개인적 관련성에 어떤 영향을 미치는가?

주요 결과

• 기존의 정감성 태그가 부여된 데이터베이스에서 의미적 콘텐츠와 정서적 태그 간에 정적 상관관계가 존재한다.
• 식별된 의미-정서의 결합은 의미적 메타데이터에서 정서적 레이블을 신뢰성 있게 추정하는 데 기여한다.
• 상호작용 기반 관련성 피드백은 데이터베이스 구축에 소요되는 시간과 노력의 절반 이상을 줄인다.
• 의미적 데이터의 정보 정제 과정은 자동 정서 태깅 예측의 정확도를 향상시킨다.
• 제안된 방법은 효율적이고 민첩하며 개인 맞춤형 정감성 태그가 부여된 데이터베이스의 구축을 가능하게 한다.
• 이 방법은 대규모 전문가 팀에 대한 의존도를 줄여 데이터베이스 구축의 확장성과 실용성을 높인다.