Thèse en cours

Détection des émotions sociales grâce à une architecture d'apprentissage profond multimodale dans les centres d'appel d'urgence

FR  |  
EN
Auteur / Autrice : Théo Deschamps-berger
Direction : Laurence Devillers
Type : Projet de thèse
Discipline(s) : Informatique
Date : Inscription en doctorat le 01/10/2020
Etablissement(s) : université Paris-Saclay
Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication (Orsay, Essonne ; 2015-....)
Partenaire(s) de recherche : Laboratoire : Laboratoire interdisciplinaire des sciences du numérique (Orsay, Essonne ; 2021-....)
Equipe de recherche : LIPS
référent : Faculté des sciences d'Orsay

Résumé

FR  |  
EN

La thèse portera sur une architecture d'apprentissage profond multimodale pour la détection des émotions sociales lors des dialogues Homme-Homme dans les centres d'appels d'urgence. Le développement algorithmique repose souvent sur l'hypothèse que les émotions sont l'expression prototypique d'une émotion, ce qui n'est pas vrai dans les interactions parlées de la vie réelle. Cette thèse présentera des méthodes pour interpréter le contenu émotionnel des énoncés non prototypiques (corpus CEMO) recueillis dans les centres d'appels d'urgence en 2005 et testera également de nouvelles données provenant d'autres centres d'appels d'urgence en 2020. Basé sur la détection des émotions sur les deux canaux: voix et transcription automatique de la parole (ASR), nous pourrions également essayer de détecter la situation critique de malentendus entre l'appelant et l'opérateur. La position émotionnelle de l'appelant, qui peut aller du maintien du calme à la perte de contrôle, est cruciale pour la compréhension et l'évaluation des appels d'urgence par les opérateurs. La détection automatique des émotions pourrait enrichir la plate-forme utilisée par les agents dans les centres d'appels d'urgence. Cette thèse est financée dans le cadre de la Chaire AI HUMAAINE : HUman MAchine Affective Interaction Ethics au LIMSI-CNRS.