Эта разработка приобретает особую значимость в период массового применения социальных сетей и мессенджеров. Автоматизация процесса определения эмоций открывает новые возможности для улучшения взаимодействий между пользователями в различных областях, таких как медицина, образование, маркетинг и индустрия развлечений.
Исследование выделяет четыре ключевых подхода к распознаванию эмоций: инженерный, статистический, основанный на машинном обучении и гибридный. Самыми эффективными оказались методы, использующие машинное обучение. Были задействованы алгоритмы логистической регрессии, Наивного Байеса, SVM и CatBoost, а также нейросетевые модели RuBERT для анализа текстов и HuBERT для работы с аудио.
Для подготовки алгоритмов применялись три русскоязычных датасета: CEDR, Ru-GoEmotions и Dusha. Нейросеть RuBERT достигла наилучших результатов в обработке текстовой информации, тогда как HuBERT продемонстрировала высокое качество работы с аудиофайлами.
— Наше исследование демонстрирует высокую точность распознавания эмоций, что значительно улучшает качество взаимодействия в цифровых платформах, — отметила Наталья Ефремова, ассистент кафедры алгоритмических языков ВМК МГУ.
Ранее мы писали, что китайские ученые смогли разместить почти два терабайта информации в одном кубическом сантиметре алмаза. Подробности читайте в материале 56orb.