[3Q1-OS-19a] Affective Computing

[3Q1-OS-19a-03] 動機付け面接における言語，表情，音声情報を用いたChange Talkの検出

〇田中 智也¹、バブ シャリフ²、坂戸 達陽³、中野 有紀子³ (1. 成蹊大学大学院理工学研究科、2. 成蹊大学、3. 成蹊大学理工学部)

キーワード：動機付け面接、マルチモーダル、分類

カウンセリング手法の一種に動機付け面接(MI：Motivational Interviewing)という手法がある．MIでは，クライアント(CL)自身の行動変容の理由を引き出すことを目的としている．本研究ではこのMIに注目した．
　MIでは，CLの前向きな発言をChange Talk(CT）と定義している．先行研究により，CTが多いCLは，CTが少ないCLよりも行動変容への動機づけが高いと示された．他にも，CLの発話ラベルの分類をCTとNot CTの2クラス分類問題として定義し，言語と顔情報のマルチモーダルモデルを用いたCTの検出モデルの研究が行われている．その中で，言語と顔情報のコンテキストを考慮したモデルが有効であることが示された．しかし言語，顔，音声情報を用いたCTの検出研究は行われていない．そこで本研究では，音声情報を追加したCT検出マルチモーダルモデルを提案する．
　実験の結果，音声情報を追加したことによる性能の大幅な向上は見られなかったが，音声情報に限りコンテキストを考慮しない方が分類に有効であると分かった．また音声情報に関しては，発話長による重み付けが有効であることも分かった．