Skip to content

This study aims to develop a machine learning model that measures emotional workload in real-world call center worker

Notifications You must be signed in to change notification settings

Kaist-ICLab/IITP_in_the_wild_ER

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

5 Commits
 
 
 
 
 
 
 
 
 
 

Repository files navigation

코드 관련 폴더 구조 설명

data

  • 원본 데이터는 모두 23EmoWorkerField에 있는데, 프라이버시 이슈로 공개를 제한합니다.
  • data 폴더에는 최종적으로 학습에 사용된 데이터가 정리되어 있습니다.
    • 이 데이터는 23EmoWorkerField3_feature_extraction에 있는 In_the_wild_ER과 동일한 파일입니다.

results

  • results 폴더는 논문에 최종적으로 포함된 결과들을 정리한 폴더입니다.
  • Data_ablation_RF, ER_ablation, general, hybrid, personalization 등의 서브 폴더가 존재하며, 각각 다른 실험 분석 결과를 저장하고 있습니다.

src

  • src 폴더에는 데이터 전처리, 피처 추출, 모델링과 관련된 모든 코드가 포함되어 있습니다.
  • data preprocessing
    • cleaning: 데이터 정제 과정 관련 코드
    • feature_extraction: 피처 추출 관련 코드
  • modeling
    • metric.py: 모델 평가 지표 관련 코드
    • MLmodel.py: 실험에 사용된 머신러닝 모델들에 관련된 코드
    • preprocessing.py: 모델링에 필요한 전처리 관련 코드

experiment

  • experiment.ipynb 파일은 논문에 포함된 실험을 수행한 코드입니다.

그외의 주의사항 : 환경 변수 설정 관련 사항

  • envs에 있는 data path는 반드시 '23EmoWorkerFeild'폴더에 관련된 경로여야 합니다.
  • 모든 코드에서 사용되는 envs 파일 경로를 실제 envs가 위치한 경로로 변경해야 합니다.

About

This study aims to develop a machine learning model that measures emotional workload in real-world call center worker

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published