感情認識と分析のためのシグナルを統合するグラフ表現

データの再利用性は、科学のあらゆる分野において、現在の研究の重要な特徴です。感情的なコンピューティングの最新の研究は、多くの場合、バイオシグナル、ビデオクリップ、画像などの実験に起因するデータを含むデータセットに依存しています。さらに、感情的なコンピューティング研究のためにデータセットを構築するために膨大な数の参加者を使用して実験を行うことは時間がかかり、高価です。したがって、さまざまなソースからデータを使用できるようにするソリューションを提供することが非常に重要です。これにより、通常はデータ統合が必要です。このホワイトペーパーでは、感情認識と分析（Grisera）フレームワークのシグナルを統合するグラフ表現を紹介します。これは、その作成のための統合信号と方法を保存するための永続的なモデルを提供します。私たちの知る限り、これは、複数の実験からデータを統合し、一貫した方法で保存し、データ取得のクエリパターンを提供する問題に対処する感情的なコンピューティング分野での最初のアプローチです。提案されたフレームワークは、信号処理の目的に非常に適していることが知られている標準化されたグラフモデルに基づいています。この検証により、よく知られているAmigosデータセットのデータはGriseraフレームワークに保存され、その後の深い学習モデルのトレーニングのために取得できることが証明されました。さらに、2番目のケーススタディでは、複数のソース（Amigos、Asconver、およびDeap）からの信号をGriseraに統合し、さらに統計分析のためにそれらを取得できることが証明されました。

Data reusability is an important feature of current research, just in every field of science. Modern research in Affective Computing, often rely on datasets containing experiments-originated data such as biosignals, video clips, or images. Moreover, conducting experiments with a vast number of participants to build datasets for Affective Computing research is time-consuming and expensive. Therefore, it is extremely important to provide solutions allowing one to (re)use data from a variety of sources, which usually demands data integration. This paper presents the Graph Representation Integrating Signals for Emotion Recognition and Analysis (GRISERA) framework, which provides a persistent model for storing integrated signals and methods for its creation. To the best of our knowledge, this is the first approach in Affective Computing field that addresses the problem of integrating data from multiple experiments, storing it in a consistent way, and providing query patterns for data retrieval. The proposed framework is based on the standardized graph model, which is known to be highly suitable for signal processing purposes. The validation proved that data from the well-known AMIGOS dataset can be stored in the GRISERA framework and later retrieved for training deep learning models. Furthermore, the second case study proved that it is possible to integrate signals from multiple sources (AMIGOS, ASCERTAIN, and DEAP) into GRISERA and retrieve them for further statistical analysis.