多人数会話におけるマルチモーダル聞き手反応予測

抄録

相槌や頷きなどの聞き手反応を予測しようとする研究は数多くある。これらの研究は二人会話をデータとして用いている。しかし、多人数会話では聞き手の立場が多様であり、聞き手反応の生成に影響を与える可能性がある。そこで本研究では三人会話コーパスを使用し、マルチモーダルなリソースから抽出した特徴量と聞き手の立場の違いを識別する特徴量を用いて、相槌と頷きを同時予測するモデルを構築した。実験の結果、本モデルは二人会話に基づく先行研究と同程度の精度でこれらの聞き手反応を予測できることが示された。