earticle

영어

This paper proposes a speech emotion recognition method based on modeling speech signals as circular or linear graphs, enabling the extraction of node characteristics and practical analysis of relationships between nodes. The proposed method combines Graph Convolutional Networks(GCN) and Graph Attention Networks(GAT) layers to leverage the strengths of each in processing graph data. Precisely, GCN captures local relationships between nodes by aggregating information from neighboring nodes. The GAT mechanism better captures complex global relationships between nodes by assigning weights to neighboring nodes. Experiments validate our approach using the IEMOCAP dataset, demonstrating performance comparable to state-of-the-art models in emotion recognition tasks. The results of this study provide new insights and methodologies for further exploration in the field of speech signal processing.

한국어

본 논문은 음성신호를 순환 또는 선형그래프로 모델링하여 노드 특성 추출 및 효과적인 노드 간 관계 분석을 기반으 로 하는 음성감정인식 방법을 제안한다. 제안한 방법은 그래프 데이터를 처리하는 데 있어 각각의 강점을 활용하기 위해 그래프 합성곱 신경망(GCN)과 그래프 어텐션 신경망(GAT) 계층을 결합한다. 구체적으로, GCN을 사용하여 이웃 노드로부터 정보를 집계함으로써 노드 간의 로컬 관계를 포착한다. 또한, GAT 메커니즘을 활용하여 다양한 이웃 노드에 가중치를 부여하여 노드 간의 복잡한 글로벌 관계를 더 잘 포착할 수 있도록 한다. 실험에서는 IEMOCAP 데이터셋을 사용하여 우리의 접근 방식을 검증하고, 감정 인식 작업에서 최신 모델과 견줄 만한 성능을 보여준다. 이 연구 결과는 음성 신호 처리 분야에서 추가 탐구를 위한 새로운 통찰력과 방법론을 제공한다.