A social interaction system based on cloud computing for mobile video telephony

As the use of smartphones become popular,people heavily depend on smartphone applications to deal with their social activities.For this reason,traditional message texting between mobile applications does not fulfill the versatile requirements of social networking.Many mobile applications use multimodality to deliver multimedia messages including sticker,voice and photo message,video call,and snap movie to enhance the communicative capability.However,without face-to-face interaction,people may fail to detect the other side’s non-verbal social behavior such as fine-grain facial expressions,body movements,or hand gesture.During social interaction,non-verbal behavior conveys information about the involved individuals and help the speakers express their social emotion in an implicit way.It is so important for real-world face-to-face interaction but is often blocked on the mobile telephony.To cope with this problem,we propose an afective computing model to assist the representation of social emotion and then help the progress of social interaction on the mobile telephony.In this model,for the purpose of real-time afective analysis,we delegate the computing loading to the cloud side service and enhance the system’s scalability and availability.The result of this experiment approves the feasibility of our system design for the applications of social intelligent.Also,the system provides a research framework of the social intelligent system on the mobile telephony.     

基于多分类SVM的图像情感分类研究

依据基于二叉树思想的多分类支持向量机算法,进行了天气图像的情感分类方法的研究。通过定性分析和计算对比,确定了图像情感分类的可行算法和合理参数选取方法。结果表明,完全二叉决策树SVM算法对于天气图像的情感识别具有较理想的效果。     

TP-FER：基于优化卷积神经网络的三通道人脸表情识别方法

针对人脸五官在表达不同情绪时所起的作用不同,利用单一的卷积神经网络对人脸面部特征进行特征提取和表情识别可能会导致提取表情关键特征信息时聚焦性不够,而仅对眼部或者嘴部等重点部位进行特征提取,又有可能造成特征提取不够充分的问题,提出了一种基于优化卷积神经网络的三通道人脸表情识别方法TP-FER(tri-path networks for facial expression recognition).该方法基于构建的卷积神经网络训练,采用三个输入渠道,分别聚焦面部、眼部和嘴部区域进行特征提取和表情判别,最后采用基于决策层的融合技术将三个渠道的识别结果进行相对多数投票决策,获取整体最优识别率.将此方法应用于JCK+数据集和自建数据集上进行了实验判别分析,结果表明该方法在两个数据集上均提高了整体表情识别率.该方法既考虑了脸部整体特征的提取,又兼顾了某些表情主要聚焦在眼部、嘴部表达的特性,相互辅助,整体提高了表情的识别率;该方法也能对神经心理学研究提供数据支持.     

基于灰色关联法的生理信号与情绪关联度研究

明确生理信号与情绪的关联度对提高情绪识别正确率起重要作用,然而目前关于两者的关联度研究成果比较少。为研究生理信号与情绪的关联度,采用德国Augsburg大学生理信号数据库的数据,基于灰色关联法研究喜、怒、哀情绪与心电、呼吸、皮肤电导信号的关联度,在此基础上,根据关联度结果采用CHAID决策树和SVM分类法进行情绪识别与分析。研究结果表明：（1）喜、怒、哀3种情绪与呼吸信号关联度最高,与皮肤电导关联度次之,与心电关联度最低;（2）基于CHAID决策树和SVM对3种情绪下的3种生理信号进行情绪识别,验证了喜、怒、哀与心电、呼吸、皮肤电导信号的关联程度。     

基于生活日志的情绪识别

抑郁症日益成为影响现代人生活幸福程度的重要因素。实时有效地识别用户情绪的方法对于抑郁症潜在患者的发现和治疗十分有意义。用户情绪的状态及变化会体现在其生活日志数据上。该文从使用可穿戴设备收集的用户生活日志数据出发,对数据进行了特征方面的分析;进一步地,使用以回归树为弱学习器的集成学习模型,设计了使用全部数据、仅用户自身数据以及仅他人数据进行训练的三组实验构成的对比实验框架,以比较使用不同用户数据对识别结果的影响。实验结果表明,基于生活日志数据的集成学习模型可以有效地识别用户的情绪状态。同时,基于实验结果提出了用户认知不一致的猜想,对于心理学上的抑郁分析也有一定的启发作用。该工作是目前所知第一个利用用户生活日志信息进行情绪识别以及抑郁症患者分析的工作,为后续进一步扩大实验规模和改良实验设计提供了思路。     

情感型对话机器人技术的研究综述

对话机器人技术一直是人机交互领域的研究热点,基于文本或者语音的对话机器人已经广泛应用于生活当中。然而,构建能够与人类进行自然的、流畅的对话的机器人仍然充满挑战。情感作为拟人性的重要方面能够提高人机交互的自然性和流畅性。因此,为了推进对话机器人技术的发展,本文对情感型对话机器人的相关概念、发展历史、情感生成方式、设计思路和评价方式的相关研究展开了系统的梳理。情感型对话机器人主要分为指定类别情感回复和生成式情感回复两种,其中生成式情感回复是未来发展的主要趋势。     

基于特征选择技术的情感词权重计算

在文本情感分析中,情感词典的构建至关重要,然而目前这方面的研究大多集中在简单的词语极性判别上,有关情感词的权重赋值研究较少,且已有的权重赋值方法基本上都需要人工辅助来选取基准词,这给实际应用带来很大的困难. 针对此问题,提出了一种自动的基于特征选择技术的情感词权重计算方法. 首先提出了词语情感权重与文本情感倾向的相关假设;然后针对情感分类,结合二元分类的特性改进了信息增益( information gain, IG)和卡方统计量( chi-square,CHI) ,将特征选择技术应用于情感词权重计算. 实验结果表明:将计算所得的带情感权重的情感词库用于文本情感分类能够提升分类精度.     

不同注意线索对积极情绪共情的影响

共情是知觉和理解他人情绪并合理反应的能力。通过行为实验要求被试对不同情绪、不同性别的面孔作相应的判断,考查不同注意线索对积极情绪共情的影响。实验发现,在情绪判断任务中,被试对于正性图片和中性图片的反应时存在显著差异,正性图片的反应时显著快于中性图片;而在性别判断任务中两类图片的反应时不存在显著差异。实验证实了不同注意线索对积极情绪的共情能够产生影响：当被试将注意集中情绪判断线索时,被试的积极情绪共情明显;当被试将注意集中在性别判断线索时,被试的积极情绪共情减弱。     

微型小说的艺术特点研究

经过将近30年的研究与探索,微型小说已发展为一种新兴小说文体,由于微型小说脱胎于传统的小说,它既具有小说的艺术特点,又有属于自己的独特艺术特色,文章阐述了微型小说主题的以小见大、构思的精致巧妙、抒情的感人至深的艺术特点。     

情绪智力对高校教师的多层次影响实证研究

研究采用多层次数据统计软件,探讨情绪智力对高校教师职业成长、教学方式与教学质量的影响关系。采用跨层次分析468份问卷后发现:教师情绪智力对学生课程认同与教师认同具有正向影响,这种影响是通过教师情绪智力改变教师职业成长与教学方式的机制加以传导。通过上述实证检验,阐述了当前教师情绪智力对高校教学质量影响的重要作用,建议高校在教师选拔与培养的过程中不仅需要关注其科研水平的提升,也应当关注其情绪智力的培养,从而提高整体教学质量。