Research Article

Konuşma Sinyallerinden Duygu Tanıma İçin Makine Öğrenmesi ve Derin Öğrenme Modellerinin Karşılaştırmalı Analizi

Volume: 17 Number: 3 October 17, 2026
EN TR

Konuşma Sinyallerinden Duygu Tanıma İçin Makine Öğrenmesi ve Derin Öğrenme Modellerinin Karşılaştırmalı Analizi

Abstract

Konuşma tabanlı duygu tanıma (Speech Emotion Recognition — SER), insan-bilgisayar etkileşimi, sağlık izleme ve müşteri hizmetleri gibi alanlarda kritik öneme sahip bir araştırma konusudur. Bu çalışmada dört referans veri seti (RAVDESS, CREMA-D, TESS, SAVEE) birleştirilerek 121 konuşmacıya ait 12.162 ses kaydı üzerinde yedi makine öğrenmesi ve derin öğrenme modeli karşılaştırmalı olarak değerlendirilmiştir. Değerlendirme, konuşmacıya göre gruplanmış katmanlı çapraz doğrulama (5 kat × 3 tekrar) ile konuşmacı-bağımsız olarak yürütülmüş; ayrıca her veri setinin sırayla test kümesi olarak kullanıldığı veri setleri arası protokol uygulanmıştır. Çalışmanın temel bulgusu, değerlendirme protokolünün model mimarisinden daha belirleyici olmasıdır: konuşmacı bağımlılığına izin veren rastgele bölme, yedi modelin tamamında ortalama 14,61 puanlık iyimser bir yanlılık üretmektedir ve bu, en iyi ile en kötü model arasındaki farktan (11,24 puan) büyüktür. Konuşmacı-bağımsız protokolde en yüksek dengeli doğruluğu MLP (%52,39) göstermiş, CNN-BiLSTM-Attention ile arasında anlamlı fark bulunmamıştır; geleneksel makine öğrenmesi ile derin öğrenme modellerinin başarım aralıkları örtüştüğünden model ailesi düzeyinde bir üstünlük iddiası desteklenmemektedir. Veri setleri arası değerlendirmede en iyi model altı sınıflı problemde %29,3 dengeli doğrulukta kalmış, iki veri seti için başarım şans düzeyine (%16,67) yaklaşmıştır. Hesaplama maliyeti özellik çıkarma süresi dâhil edilerek uçtan uca ölçüldüğünde sıralama tersine dönmekte, Random Forest en yavaş (211,6 ms/kayıt), 1D-CNN ise en hızlı (37,0 ms/kayıt) model olmaktadır. Bulgular, SER çalışmalarında protokol seçiminin ve uçtan uca maliyet ölçümünün açıkça raporlanması gerektiğini göstermektedir.

Keywords

References

  1. [1] El Ayadi, M., Kamel, M. S., & Karray, F. (2011). Survey on speech emotion recognition: Features, classification schemes, and databases. Pattern Recognition, 44(3), 572-587.
  2. [2] Akçay, M. B., & Oğuz, K. (2020). Speech emotion recognition: Emotional models, databases, features, preprocessing methods, supporting modalities, and classifiers. Speech Communication, 116, 56-76.
  3. [3] Schuller, B. W. (2018). Speech emotion recognition: Two decades in a nutshell, benchmarks, and ongoing trends. Communications of the ACM, 61(5), 90-99.
  4. [4] Zhao, J., Mao, X., & Chen, L. (2019). Speech emotion recognition using deep 1D & 2D CNN LSTM networks. Biomedical Signal Processing and Control, 47, 312-323.
  5. [5] Lian, Z., Liu, B., & Tao, J. (2021). CTNet: Conversational transformer network for emotion recognition. IEEE/ACM Transactions on Audio, Speech, and Language Processing, 29, 985-1000.
  6. [6] Nwe, T. L., Foo, S. W., & De Silva, L. C. (2003). Speech emotion recognition using hidden Markov models. Speech Communication, 41(4), 603-623.
  7. [7] Jiang, W., Wang, Z., Jin, J. S., Han, X., & Li, C. (2019). Speech emotion recognition with heterogeneous feature unification of deep neural network. Sensors, 19(12), 2730.
  8. [8] Mao, Q., Dong, M., Huang, Z., & Zhan, Y. (2014). Learning salient features for speech emotion recognition using convolutional neural networks. IEEE Transactions on Multimedia, 16(8), 2203-2213.

Details

Primary Language

Turkish

Subjects

Deep Learning, Natural Language Processing

Journal Section

Research Article

Publication Date

October 17, 2026

Submission Date

June 8, 2026

Acceptance Date

October 7, 2026

Published in Issue

Year 2026 Volume: 17 Number: 3

APA
Şahin, F. (2026). Konuşma Sinyallerinden Duygu Tanıma İçin Makine Öğrenmesi ve Derin Öğrenme Modellerinin Karşılaştırmalı Analizi. Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi, 17(3). https://doi.org/10.24012/dumf.1966628
AMA
1.Şahin F. Konuşma Sinyallerinden Duygu Tanıma İçin Makine Öğrenmesi ve Derin Öğrenme Modellerinin Karşılaştırmalı Analizi. DUJE. 2026;17(3). doi:10.24012/dumf.1966628
Chicago
Şahin, Fatih. 2026. “Konuşma Sinyallerinden Duygu Tanıma İçin Makine Öğrenmesi Ve Derin Öğrenme Modellerinin Karşılaştırmalı Analizi”. Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi 17 (3). https://doi.org/10.24012/dumf.1966628.
EndNote
Şahin F (October 1, 2026) Konuşma Sinyallerinden Duygu Tanıma İçin Makine Öğrenmesi ve Derin Öğrenme Modellerinin Karşılaştırmalı Analizi. Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi 17 3
IEEE
[1]F. Şahin, “Konuşma Sinyallerinden Duygu Tanıma İçin Makine Öğrenmesi ve Derin Öğrenme Modellerinin Karşılaştırmalı Analizi”, DUJE, vol. 17, no. 3, Oct. 2026, doi: 10.24012/dumf.1966628.
ISNAD
Şahin, Fatih. “Konuşma Sinyallerinden Duygu Tanıma İçin Makine Öğrenmesi Ve Derin Öğrenme Modellerinin Karşılaştırmalı Analizi”. Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi 17/3 (October 1, 2026). https://doi.org/10.24012/dumf.1966628.
JAMA
1.Şahin F. Konuşma Sinyallerinden Duygu Tanıma İçin Makine Öğrenmesi ve Derin Öğrenme Modellerinin Karşılaştırmalı Analizi. DUJE. 2026;17. doi:10.24012/dumf.1966628.
MLA
Şahin, Fatih. “Konuşma Sinyallerinden Duygu Tanıma İçin Makine Öğrenmesi Ve Derin Öğrenme Modellerinin Karşılaştırmalı Analizi”. Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi, vol. 17, no. 3, Oct. 2026, doi:10.24012/dumf.1966628.
Vancouver
1.Fatih Şahin. Konuşma Sinyallerinden Duygu Tanıma İçin Makine Öğrenmesi ve Derin Öğrenme Modellerinin Karşılaştırmalı Analizi. DUJE. 2026 Oct. 1;17(3). doi:10.24012/dumf.1966628