본 논문은 기존의 지속적 감정 인식 접근 방식들이 감정의 모호성을 무시하거나 시간에 따른 독립적이고 정적인 변수로 취급하는 문제점을 지적하며, 감정 표현의 모호성과 시간적 역동성을 모두 포착하는 새로운 틀인 모호성을 인지하는 서수적 감정 표현을 제시합니다. 특히, 감정 모호성을 변화율을 통해 모델링하는 접근 방식을 제안하고, RECOLA와 GameVibe 두 가지 감정 말뭉치에 대해 제한된(각성, 선호도) 및 제한되지 않은(몰입도) 지속적 추적 데이터를 사용하여 평가합니다. 실험 결과, 서수적 표현이 제한되지 않은 레이블에서 기존의 모호성 인식 모델보다 우수한 성능을 보이며, Concordance Correlation Coefficient (CCC) 및 Signed Differential Agreement (SDA) 점수가 가장 높았습니다. 제한된 추적 데이터에서는 SDA에서 뛰어난 성능을 보이며, 주석된 감정 추적의 상대적 변화를 포착하는 능력이 뛰어남을 보여줍니다.
