浅谈情感计算

情感计算是关于情感、情感产生以及影响情感方面的计算。情感计算的研究试图创建一种能感知、识别和理解人的情感．并能针对人的情感作出智能、灵敏、友好反应的计算机系统。本文简单介绍情感计算的研究概况、应用范围、以及研究内容及面临的挑战。     

基于计算机视觉的情感计算

情感计算是关于情感、情感产生以及影响情感方面的计算,其目的是赋予计算机识别、理解、表达和生成各种情感特征的能力,最终使计算机像人一样能进行自然、亲切和生动的交互.介绍基于计算机视觉的情感计算过程及处理方法,并指出现阶段存在的问题和面临的挑战.     

基于情感计算的网络中文信息分析技术

海量的网络信息中包含着丰富的情感信息,基于情感计算的网络信息分析技术有着广阔的应用前景.目前,网络信息分析的研究工作,有些已取得很多成果.然而基于情感计算的网络信息分析研究却刚刚起步.中文自然语言处理技术的不断发展,为基于情感计算的网络中文信息分析提供了重要的技术支撑.对基于情感计算的网络中文信息分析相关技术,包括中文情感词汇本体的构建、中文词语的情感倾向性判断、中文文本情感倾向性判断作了概述总结,并提出了今后的研究方向.     

家庭服务机器人情感计算模型的研究

根据基本情感理论建立了家庭服务机器人的情感状态概率空间模型,并应用马尔可夫链的特性,建立了基于隐马尔可夫模型的情感计算模型.详细地阐述了该情感计算模型中各参数的意义以及估算方法.通过仿真实验验证了该情感计算模型可以较好地模拟情感状态的自发转移,以及在外部刺激作用下的情感转移.通过对实验数据分析,发现机器人的情感经外部刺激作用或者自发演变,最终趋于稳定状态,这个稳定状态与情感转移概率矩阵有关,而与机器人所处的初始情感状态无关.     

基于生理信号的情感计算研究综述

情感计算是现代人机交互中的一个重要研究方向, 旨在研究与开发能够识别、解释、处理和模拟人类情感的理论、方法与系统. 脑电、心电、皮肤电等生理信号是情感计算中重要的输入信号. 本文总结了近年来基于脑电等生理信号的情感计算研究所取得的进展. 首先介绍情感计算的相关基础理论, 不同生理信号与情感变化之间的联系, 以及基于生理信号的情感计算工作流程和相关公开数据集. 接下来介绍生理信号的特征工程和情感计算中的机器学习算法, 重点介绍适合处理个体差异的迁移学习、降低数据标注量的主动学习和融合特征工程与学习器的深度学习算法. 最后, 指出基于生理信号的情感计算研究中面临的一些挑战.     

基于姿态的情感计算综述

情感计算的理论与算法研究是近年来人机交互领域的热点话题.当前,常见的情感计算集中在基于面部表情、语音、文本、人体姿态等方向,既有单一模态的算法,又有多模态的综合算法.基于面部表情和语音模态的算法占据多数,国内外基于人体姿态的算法相对较少.文中针对基于姿态的情感计算所面临的几个关键科学问题展开了综述,包括情感的心理学模型、人体姿态估计算法、姿态的情感特征提取算法、情感分类与标注算法、姿态情感数据集、基于姿态的情感识别算法等.具体来说,首先介绍了几种常用的情感计算心理学模型,评述了各类模型的适用场景;随后从人体检测和姿态估计2个角度对人体姿态估计的常用算法进行了总结,并讨论了2D和3D姿态估计的应用前景.针对特征提取算法,分析了基于全身和上半身身体动作的姿态特征提取算法.在情感标注方面,介绍了表演数据和非表演数据的情感标注算法,并指出了半自动或自动的标注非表演数据将是未来的重要发展趋势之一.针对姿态情感数据集,列举了近年来常见的14个数据集,并主要从是否是表演数据、数据维度、静态或动态姿势、全身或非全身数据等几个方面进行了总结.在基于姿态的情感识别算法方面,主要介绍了基于人工神经网络的情感识别算法,指出了不同算法的优劣之处和适用的数据集类型.文中的综述研究,总结提炼了国内外该领域经典且前沿的工作,希望为相关的研究者提供研究帮助.     

情感计算中的实验设计和情感度量方法研究

情感计算的目标是赋予计算机感知、理解和表达情感的能力,而情感数据的获取和情感真值的度量是情感计算的研究基础。为了更好地进行情感度量的研究,以FIFA足球电子游戏为场景,进行了精心设计的实验,即首先通过游戏场景诱发游戏者自然的情绪反应;接着提出了基于情绪脚本的情感编码方法,并结合范畴法和维度法对情感数据进行了自评和他评;最后对观察者间的一致性进行了统计分析。实验结果表明,该方法能够获得有效一致的情感度量结果。     

情感计算与工程理性*

通过对情感与理性的相容性分析以及情感在集成、适应、动力和交互等方面的功能研究,指出情感是人类解决现实复杂问题的有效机制。在情感功能与工程需求的适配性分析的基础上指出,围绕情感所展开的情感计算在复杂工程问题的求解上潜力巨大,具备有效性和一定的必要性。提出了情感计算在工程领域研究的本源性、相关性和可操作性策略,指出情感计算的工程实现需要对研究的切入点、情感发生机制、情感效应机制、平台选择等关键环节予以关注,并给出了相关建议。     

基于语义分析的情感计算技术研究进展

随着机器学习和大数据技术的应用发展,基于语义分析的情感计算与分析技术在研究人类的感知、注意力、记忆、决策、社会交流等诸多方面起着重大作用,它不仅影响到了人工智能技术的发展,还影响到了人/机交互的方式,并受到学术界以及企业界的广泛关注.本文在针对情感定义以及相关90多种情感模型分析的基础上,归纳并提出了目前情感分析领域中存在的6项关键性问题与挑战,其中主要包括：情感的来源与本质特征的表示问题;多模态条件下的情感计算问题;外部因素对情感演化过程的影响度量问题;情感的个性化度量问题;情感群体化特征与传播动力学机制问题以及细微情感的表达、算法改进与优化等问题.同时,本文针对其中的关键问题与技术挑战进行了理论探讨、技术分析、实际应用以及当前工作进展与趋势分析,从而为深入研究和解决基于语义分析条件下的情感计算提供了新的研究线索与方向.     

基于情感计算的e-Learning系统建模

e-Learning也叫数字化学习,是通过因特网或其他数字化媒体进行学习与教学的活动。情感计算是指关于情感、情感产生以及影响情感的计算,试图创建一种能感知、识别和理解人的情感,并能针对人的情感做出智能、灵敏、友好反应的计算机系统。本文将 e-Learning系统和情感计算结合在一起,提出了一个基于情感计算的 e-Learning系统模型,旨在有效地解决 e-Learning系统中情感交流匮乏的问题。     

情感计算数学模型的研究初探

针对计算机如何进行情感计算，提出一种情感空间的概率模型并对其进行了计算机仿真。通过构造状态的概率转移矩阵，得到每个情感状态的概率分布，从而计算出情感的熵值。情感的熵值，表达出所构造的情感的细腻程度。通过计算机仿真，验证了情感模型是符合人类情感规律的——不确定性同时又具有统计规律。最后通过不同参数的仿真，说明此模型可以产生不同的情感活动，为情感机器人数学模型的建立与情感决策支持系统提供了一种新的方法。     

一种综合可计算情感建模方法

情感作为人类具有智能的一个重要体现,是创建可信服的虚拟智能体不可或缺的环节.如何通过情感来提高虚拟智能体的智能性和可信服性已成为亟待解决的关键问题.结合生理和认知对情感的影响,提出了一种综合的可计算情感建模方法;设计了一个完全的过程框架,以描述情感在不同时刻如何动态变化以及如何处理多种混合情感的情况;并建立了基于具体描述事件和情感关系的情感结构,以产生具体、真实的情感行为;提出了交互学习机制以增强虚拟智能体对动态环境的适应能力.实例验证表明,此情感模型能有效地增加虚拟智能体在交互过程中的可信服性.     

基于马尔可夫链的情感计算建模方法

定义了情感的两种状态及其两个基本的变化转移过程,并应用马尔可夫链构造了一个情感概率空间,建立模拟情感变化的情感模型,给出了情感能量、情感强度和情感熵等概念,用以描述情感特征与情感状态。通过Matlab的仿真计算,验证此模型可较好地模拟情感状态自发转移的动态过程,可用于情感机器人的情感模拟计算。为情感计算和情感自动生成理论研究提供了一种新途径。     

情感计算——和谐人机交互中的关键因素

情感计算在和谐人机交互中起着关键性作用,在此讨论了情感计算的研究内容、一般模式和方法、意义、应用和未来研究的热点。     

基于BGRU-FUS-NN神经网络的姿态情感计算方法研究

情感计算研究是近些年人机交互领域的热门研究方向,其相关研究目前主要集中在面部表情和语音模态,基于姿态模态的情感计算研究相对较少.文中提出了一种基于姿态的新型情感计算算法,利用虚拟现实(VR)设备来唤醒用户的情感,使用摄像机采集用户的非表演动作数据,重新定义了19个人体运动关键点,将用户动作数据转换为相应骨骼点的3D坐标.在已有的基本特征的基础上,加入了高级动态特征,构造了一个能够更加完善地描述肢体运动的80D特征列表.在融合神经网络模型(FUS-NN)的基础上,使用循环门控单元(GRU)替代长短期记忆神经网络(LSTM),并添加正规层(Layer-Normalization),丢弃层(Layer-Dropout)和减少堆叠层数等策略,提出了双向循环门控单元融合神经网络(BGRU-FUS-NN)模型.使用了基于唤醒(arousal)和效价(valence)的情感模型进行情感分类,针对4分类任务和8分类任务,准确率比FUS-NN模型分别提升了7.22%和5.15%.     

基于情感计算的网络教学系统建模

如何在网络教学中,实现以人文关怀为特征的和谐情感交互,以提高学习者的学习效率,已成为现代网络教育中值得深入研究的重要课题。笔者将情感计算和网络教学结合在一起,构建了一个基于情感计算的网络教学系统模型,旨在解决网络教学中情感交流匮乏的问题。本文对此作了介绍。     

情感计算与理解研究发展概述

情感在感知、决策、逻辑推理和社交等一系列智能活动中起到核心作用,是实现人机交互和机器智能的重要元素。近年来,随着多媒体数据爆发式增长及人工智能的快速发展,情感计算与理解引发了广泛关注。情感计算与理解旨在赋予计算机系统识别、理解、表达和适应人的情感的能力来建立和谐人机环境,并使计算机具有更高、更全面的智能。根据输入信号的不同,情感计算与理解包含不同的研究方向。本文全面回顾了多模态情感识别、孤独症情感识别、情感图像内容分析以及面部表情识别等不同情感计算与理解方向在过去几十年的研究进展并对未来的发展趋势进行展望。对于每个研究方向,首先介绍了研究背景、问题定义和研究意义;其次从不同角度分别介绍了国际和国内研究现状,包括情感数据标注、特征提取、学习算法、部分代表性方法的性能比较和分析以及代表性研究团队等;然后对国内外研究进行了系统比较,分析了国内研究的优势和不足;最后讨论了目前研究存在的问题及未来的发展趋势与展望,例如考虑个体情感表达差异问题和用户隐私问题等。     

计算文本的情感描述值的算法

随着互联网信息的高速发展,越来越多的人参与到信息的制造者队伍中,对于信息处理提出了更高的要求。计算文本的情感描述值对于衡量文本的极性信息具有重要的意义。首先对文本内容进行预处理,挑选出可以决定文本极性的句子;然后对各个子句进行情感描述值的计算;最后将子句的情感进行综合计算,得出文本的情感描述值。并且对文本长度、句法结构等因素进行了综合分析。实验结果表明,采用该算法计算文本信息具有较高的准确率和速度,对于大规模处理流数据情况下的情感信息值的计算具有较好的适用性。     

情感词汇Ontology驱动的话题倾向性计算

针对“未然态”的舆情信息,挖掘网络热点、焦点及敏感话题,把握舆情动态,提高处置与监管网络突发事件能力等,是舆情分析的重要研究内容。对基于情感词汇Ontology的话题倾向性进行了研究。通过计算与情感词汇Ontology中情感词汇的语义相似度、统计话题语料中情感特征词汇的词频,计算语料中情感特征词汇的倾向性权重;根据情感特征词汇的倾向性权重计算话题倾向性强度和整体倾向性。最后在情感词汇Ontology指导下对话题中每篇语料的情感分类和倾向性强度进行规范化细粒度标注。     

基于语义特征和本体的语篇情感计算

目前在国内外语篇级情感计算的研究刚刚起步.首先按表达情感的复杂度将句子划分为单情感词的简单句、多情感词的简单句和多情感词的复杂句3种.然后从句子的词汇和结构两方面考虑提取影响语句的情感色彩的9个语义特征,并在已有的情感词汇本体和句子级关键情感词汇识别的基础上将语义特征加入到条件随机域中.最后对文章的情感结构采用两种不同的评估方法,分别评测结果的标注正确率和情感的连贯性.