概要

近年の情緒推定では，機械学習や統計情報を用いる手法が主流である．それらの手法では，情緒推定の手掛かりとして1文単位 での表層的な情報を用いることが多い．情緒推定の性能を高めるためには，複数の文に着目することや，表層情報以外の素性を 用いることが考えられる．そこで，本研究では，文数および素性の組合せ方を変えながら，機械学習SVM(Support Vector Machine) を使用して情緒推定を行うことで，性能の違いを実験的に評価することを目的とする．

方法として，複数文の学習データを得るために対話行為および情緒が付与されたコーパスを用意し，そのコーパスより情緒推定SVMに用いる 各種素性を得る．この素性の有効性を調査し，組合せの種類ごとに実験することで性能向上を図る．

結果，複数文の情緒推定が性能向上に繋がることと，素性の組合せによる性能差を確認することができた．