감정 인식을 위한 지속 엔트로피와 SVM 기반 접근

본 논문은 “감정 인식”이라는 복합적인 문제에 위상 데이터 분석(TDA)과 기계 학습을 결합한 새로운 프레임워크를 제시한다. 먼저 서론에서는 감정 인식의 실용적 중요성을 강조하고, 기존 연구가 주로 피치, 스펙트럼, 멜‑주파수 켑스트럼 계수(MFCC) 등 다차원 음향 특징에 의존해 왔음을 언급한다. 저자들은 이러한 전통적 접근법과는 달리, 음성 파형 자체의 형태적 정보를 위상학적으로 요약하는 ‘지속 엔트로피(persistent entropy)’를 활용한다는 점을 강조한다. 배경 섹션에서는 세 가지 핵심 이론을 정리한다. (1) 감정의 심리학적 모델링으로, arousal와 valence를 2차원 평면에 배치하는 기본 감정 이론을 채택한다. (2) 위상학적 데이터 분석, 특히 지속 호몰로지와 하위‑스타 필터레이션을 소개한다. 하위‑스타 필터레이션은 각 정점(샘플)의 함수값을 기준으로 복합체를 단계적으로 확장하는 방식이며, 이를 통해 0‑차원(연결 성분)과 1‑차원(루프) 바코드가 생성된다. (3) 기계 학습, 특히 서포트 벡터 머신(SVM)의 원리와 커널 트릭을 설명한다. 방법론에서는 실제 구현 절차를 5단계로 구체화한다. 첫째, 원시 음성 신호를 196 997점에서 10 000점으로 균등 샘플링한다. 이는 지속 호몰로지 계산의 시간 복잡도를 낮추면서 파형의 전반적 구조를 보존한다는 전제에 기반한다. 둘째, 동일 높이의 샘플이 존재하지 않도록 미세한 잡음을 추가해 하위‑스타 필터레이션 적용 조건을 만족시킨다. 셋째, 하위‑스타 필터레이션을 수행해 각 샘플에 대한 지속 바코드를 생성한다. 넷째, 바코드의 각 구간 길이를 정규화해 확률 분포 \(p_i\) 를 만든 뒤, 엔트로피 \(E = -\sum p_i \log p_i\) 를 계산한다. 마지막으로, 얻어진 엔트로피 값을 특징으로 사용해 다양한 커널(SVM) 모델을 학습하고 교차 검증을 통해 최적 커널을 선정한다. 실험은 공개된 RAVDESS 데이터셋(24명 배우, 60개 발화, 8가지 감정, 총 1 440개 파일)을 대상으로 수행된다. 먼저 각 파일에 대해 단일 엔트로피 값을 추출해 선형 커널 SVM으로 학습했을 때 정확도는 20.3%에 불과했다. 이는 감정 구분이 단일 스칼라로는 과도하게 차원 축소된 결과임을 보여준다. 두 번째 실험에서는 동일 감정을 24명의 배우가 발화한 24개의 엔트로피 값을 하나의 24‑차원 벡터로 결합하였다. 이 벡터를 가우시안(RBF) 커널 SVM에 입력했을 때, 92% 이상의 정확도를 달성하였다. 이는 개인별 발화 특성을 평균화함으로써 감정 구분에 유의미한 정보를 추출할 수 있음을 의미한다. 세 번째 실험에서는 배우와 감정을 동시에 고려한 그룹화 방식을 적용했으며, 남·여 성별에 따른 엔트로피 상관관계 분석 결과, 동일 성별 내에서는 중간 정도의 양의 상관(≈0.4~0.5), 이성 간에는 낮은 상관(≈0.2)만 관찰되었다. 이는 성별 별 모델링이 추가적인 성능 향상을 기대할 수 있음을 시사한다. 결과 분석에서는 지속 엔트로피가 감정별 평균값에 차이를 보이지만, 개인 차이와 성별 차이 때문에 단일 값만으로는 감정을 명확히 구분하기 어렵다는 점을 강조한다. 또한, 엔트로피 값이 시각적으로도 남·여에 따라 비슷한 패턴을 보이며, 이는 향후 성별 특화 모델링이나 개인 식별(스피커 인식)에도 활용 가능함을 암시한다. 결론에서는 본 연구가 위상학적 요약 통계량을 감정 인식에 최초로 적용했으며, 다차원 벡터화가 필요함을 확인했다고 정리한다. 향후 연구 방향으로는 (1) 지속 바코드 자체를 딥러닝 기반 임베딩으로 변환하여 고차원 특징을 직접 학습, (2) 시각적 표정·제스처와 결합한 멀티모달 감정 인식, (3) 성별·연령·문화적 차이를 반영한 맞춤형 모델 개발 등을 제시한다.