Advertisement

CASIA汉语情感 corpus

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
CASIA汉语情感语料库是由中国科学院自动化研究所构建的大规模中文文本情感分析资源库，包含丰富的情感标注数据，广泛应用于自然语言处理和人工智能领域。 情感语料库可用于机器学习，并将结果应用于业务逻辑，为业务提供相关功能。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • CASIA汉语情感 corpus
    优质
    CASIA汉语情感语料库是由中国科学院自动化研究所构建的大规模中文文本情感分析资源库，包含丰富的情感标注数据，广泛应用于自然语言处理和人工智能领域。 情感语料库可用于机器学习，并将结果应用于业务逻辑，为业务提供相关功能。
     
  • CASIA汉语情感语料库
    优质
    CASIA汉语情感语料库是由中国科学院自动化研究所构建的一个大型汉语文本情感分析资源库，包含丰富的情感标注数据，旨在促进自然语言处理领域内的研究与应用。 可用于情绪语音识别的中文语料库。
     
  • CASIA汉语情感语料库.zip
    优质
    《CASIA汉语情感语料库》是由中国科学院自动化研究所构建的一个大规模汉语文本情感分析资源，包含丰富的情感标注数据，适用于研究与开发自然语言处理中的情感计算技术。 该数据库由中国科学院自动化研究所录制。录音由4位演员（2男2女）在纯净的录音环境中完成，信噪比约为35dB。每位演员分别以高兴、悲哀、生气、惊吓和中性五种情感演绎了500句文本，采样率为16kHz，量化为16bit。经过听辨筛选后，最终保留9,600句话。
     
  • CASIA汉语情感数据集
    优质
    CASIA汉语情感数据集是由中国科学院自动化研究所构建的一个大规模、高质量的情感标注语料库，涵盖了多种情感类别与丰富的语言表达形式。 CASIA汉语情感语料库包含四个专业发音人、六种情绪的9,600句不同发音内容，其中包括300句相同文本和100句不同文本，适用于各种分析实验需求。该数据集旨在为研究情感语音提供素材。
     
  • CASIA汉语情感数据集.zip
    优质
    该资料包包含由中科院自动化研究所构建的CASIA汉语情感数据集，内含丰富的情感标注音频及文本文件，适用于语音识别与情感分析研究。 CASIA汉语情感语料库由中国科学院自动化研究所录制，包含四个专业发音人和六种情绪（生气、高兴、害怕、悲伤、惊讶及中性），共有9600句不同发音的内容。其中300句是相同文本的，在这些句子上赋予了不同的感情色彩以进行对比分析；另外100句则是不同的文本，通过字面意思可以判断其情感归属，便于录音人更准确地表现相应的情感状态。
     
  • 汉语语音情感语料库（CASIA）9600条.rar
    优质
    该资源为“汉语语音情感语料库（CASIA）”，包含9600条语音样本，每条样本均标注有相应的情感标签，适用于语音情感识别研究。 该数据集用于语音情感分析的训练数据库，并可应用于机器学习和深度学习领域。此数据集来源于CASIA语料库，仅限于学术研究使用。
     
  • CASIA语音情感数据库
    优质
    CASIA语音情感数据库是由中国科学院自动化研究所构建的一个包含多维度标注的汉语情感发音词汇表，旨在促进语音情感识别研究。 CASIA语音情感语料库包含四个专业发音人（2男2女），他们朗读了50个句子，并表达了六种情绪：生气、高兴、害怕和悲伤。这些数据可以用于对比分析不同情感状态下声学及韵律的表现特征。
     
  • CASIA语音情感识别数据库
    优质
    CASIA语音情感识别数据库是由中国科学院自动化研究所建立的一个包含多维度标注的中文情感语音资源库，旨在促进情感计算研究。 中科大提供的语音情感识别数据集免费版包含四人录音：2名男性和2名女性共录制了约1200条音频片段，涵盖了六种不同的情绪表达——中立、快乐、悲伤、愤怒、恐惧以及惊讶。
     
  • CASIA中文语音情感数据库
    优质
    CASIA中文语音情感数据库是由中国科学院自动化研究所开发的一款包含多种情感表达的高质量中文语音数据集，适用于研究语音情感识别技术。 中科院的一个数据集包含四个人的语音样本，涵盖了六种不同的情绪状态，可用于进行语音情绪分类。
     
  • CASIA中文语音情感识别数据包.zip
    优质
    本数据包包含由中国科学院自动化研究所研发的CASIA中文语音情感识别数据库，内含多样的中文情感语音样本。 语音情感识别是指通过分析人的语音特征来判断说话人的情感状态。这种方法可以应用于多种场景，如智能客服、心理健康监测等领域。通过对音频信号的处理和机器学习算法的应用，系统能够识别出诸如高兴、悲伤、愤怒等多种情绪，并据此做出相应的反应或提供服务。