Araştırma Makalesi

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

Cilt: 17 Sayı: 3 17 Ekim 2026
PDF İndir
EN TR

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

Öz

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.

Anahtar Kelimeler

Kaynakça

  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.

Ayrıntılar

Birincil Dil

Türkçe

Konular

Derin Öğrenme, Doğal Dil İşleme

Bölüm

Araştırma Makalesi

Yayımlanma Tarihi

17 Ekim 2026

Gönderilme Tarihi

8 Haziran 2026

Kabul Tarihi

7 Ekim 2026

Yayımlandığı Sayı

Yıl 2026 Cilt: 17 Sayı: 3

Kaynak Göster

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. DÜMF MD. 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 (01 Ekim 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”, DÜMF MD, c. 17, sy 3, Eki. 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 (01 Ekim 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. DÜMF MD. 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, c. 17, sy 3, Ekim 2026, doi:10.24012/dumf.1966628.
Vancouver
1.Fatih Şahin. Konuşma Sinyallerinden Duygu Tanıma İçin Makine Öğrenmesi ve Derin Öğrenme Modellerinin Karşılaştırmalı Analizi. DÜMF MD. 01 Ekim 2026;17(3). doi:10.24012/dumf.1966628
DUJE tarafından yayınlanan tüm makaleler, Creative Commons Atıf 4.0 Uluslararası Lisansı ile lisanslanmıştır. Bu, orijinal eser ve kaynağın uygun şekilde belirtilmesi koşuluyla, herkesin eseri kopyalamasına, yeniden dağıtmasına, yeniden düzenlemesine, iletmesine ve uyarlamasına izin verir. 24456