音乐情感的语言值计算模型研究

基于音乐情感的心理模糊量的言词研究成果——Hevner情感环模型，提出了一种音乐情感的语言值计算模型。该模型利用八维语言值向量来表示音乐情感，并定义了任意两首乐曲之间的情感相似性度量。本文还通过语义认知实验建立了由基本语言值集构成的情感心理空间。结合情感化音乐检索和多专家决策的需要，本文基于音乐情感向量的代数和逻辑运算法则实现了多源情感信息的融合，实例表明该融合方法符合音乐情感认知的心理模式。     

基于多特征与复合分类法的中文微博情感分析

为了提高微博的情感分析的准确率,选取微博文本中的动词和形容词作为特征,提出了基于层次结构的特征降维方法,采用基于表情符号的方法计算特征极性值。在此基础上,提出了基于特征极性值的位置权重计算方法,借助支持向量机(SVM)作为机器学习模型将微博文本分为正面、负面和中性3类。也就是多特征提取,结合字典法与机器学习法2种算法,来提高情感分析的准确率。实验结果表明,该方法能取得平均为72.16%的准确率。提出的基于多特征与复合分类器的情感分析方法能够比较有效地对中文微博文本进行情感分类。     

情感建模方法研究

针对情感建模难点问题,分析了目前人工情感模型建模的方法,包括OCC模型、智能体情感模型、基于模糊逻辑情感模型等,并对上述模型的应用领域进行分析,提出基于扩展有限状态机(EFSM)建立人工情感模型的方法.该方法通过状态上的变量属性集合V,实现机器人情感变化与转换控制,能够实现准确的情感信息获取、描述及参数化建模,实现多特征融合的情感理论计算.实验验证了EFSM情感模型的有效性.     

基于二元心理的多层次需求—认知—情感计算模型研究

吸收现代心理学研究成果——反省心理学中的二元心理学说,将基于全信息理论、情绪的动机—信息理论、马斯诺的需求理论和PAD三维情绪模型结合起来创立的全信息情感理论中的多层次需求—认知—情感交互模型融入此中,提出了一种新的心智计算模型——基于二元心理的多层次需求—认知—情感计算模型,在外知心理和内知心理运作机理中分别引入了外需求—外认知—外情感交互模型和内需求—内认知—内情感的交互模型,正是外知心理和内知心理的交互作用而产生了人们的复杂心理变化,这对于探究人类心智活动的核心机理,开发心智潜能具有重要意义．     

情感教学与口语交际能力的培养

情感是影响语言学习的重要因素之一，情感对认知既有促进又有阻碍作用．基于情绪心理学和人本主义心理学，提出了坚持以学生为中心，运用情感优化教学的情感教学思想，分析了该思想对强化大学英语口语教学的启示．     

基于BVANet的财经新闻情感分析

股票市场的预测一直以来是金融大数据分析领域一项难题，而财经新闻中包含的内在信息对市场表现有很大影响。提出了一种基于BERT的向量自回归融合网络(BVANet)，该网络通过BERT将财经新闻情感量化，后结合市场表现联合构建金融时间序列向量自回归(VAR)模型，最终实现股票的预测。结果表明，与传统算法相比，BVANet在提取新闻情绪信息和模型预测中取得了更好的效果，新闻的情绪对市场表现有预测作用。该研究可为自然语言处理在金融预测的应用提供实践参考。     

交叉采样与结构情感融合的跨语言情感分析

基于协同学习,提出一种基于交叉采样与结构情感信息的跨语言情感分析交互学习模型.首先,通过启发式识别方法抽取文本中的情感表达作为结构情感特征,将其融合到传统的n-gram特征空间中,形成情感表征性更强的特征空间;其次,在传统协同学习的框架基础上,提出一种交叉采样策略对2种语言视图中的非标注数据的情感知识交互迁移,从而实现将源语言与目标语言进行高效融合学习;最终获得具有更高性能的目标语言情感分类器.实验结果表明:相较于传统跨语言情感分析模型,基于交叉采样和结构情感融合的半监督学习框架可以高效地利用少量源语言标注数据挖掘出大量的未标注数据中的情感知识,从而帮助目标语言学习出更优质的情感分类器.     

情感维度下的深度情感关联模型

鉴于现有的情感模型只是从空间上对情感状态进行划分,忽略了情感之间的相互作用问题,建立了一种将多层限制玻尔兹曼机和情感关联认知网络相结合的深度情感关联模型。该模型将多层限制玻尔兹曼机训练得到的权值作为关联认知网络输入输出之间的权值,以三维情感模型中情感空间距离的倒数作为情感类别之间的关联度,通过训练关联认知网络得到最终的情感分类结果。选用TYUT1.0和CASIA情感语音库中的“高兴”“生气”和“中性”三种基本情感作为数据来源,分别采用深度信念网络和深度情感关联模型进行实验对比。实验结果显示,所构建的深度情感关联模型比深度信念网络的平均识别率最高高出6.06%,该模型得到了较好的识别结果。结果表明, 深度情感关联模型在语音情感识别上有较强的优越性和普适性,可以很好地反映情感之间的相互作用。     

基于CLIP和交叉注意力的多模态情感分析模型

针对多模态情感分析中存在的标注数据量少、模态间融合不充分以及信息冗余等问题,提出了一种基于对比语言-图片训练(CLIP)和交叉注意力(CA)的多模态情感分析(MSA)模型CLIP-CA-MSA。首先,该模型使用CLIP预训练的BERT模型、PIFT模型来提取视频特征向量与文本特征;其次,使用交叉注意力机制将图像特征向量和文本特征向量进行交互,以加强不同模态之间的信息传递;最后,利用不确定性损失特征融合后计算输出最终的情感分类结果。实验结果表明：该模型比其他多模态模型准确率提高5百分点至14百分点,F1值提高3百分点至12百分点,验证了该模型的优越性,并使用消融实验验证该模型各模块的有效性。该模型能够有效地利用多模态数据的互补性和相关性,同时利用不确定性损失来提高模型的鲁棒性和泛化能力。     

隐含情感特征感知的智能客服系统情感分类模型

为研究智能客服系统中用户的情感分类,基于数据构成的复杂性,提出了一种智能客服情感分类的模型,该模型采用CNN(卷积神经网络)+特征模型+GRU(门循环单元)网络框架实现了多特征融合数据的情感分类.模型针对智能客服系统中用户中文语料库语句简短且偏重口语化,隐喻、讽刺等特点,构建了针对不同特征的语料卷积神经网络的特征模型,结合CNN采用循环神经网络GRU进行情感分类.大量的实验结果表明：该模型能够有效解决多特征融合的中文文本情感分类问题,在智能客服系统中人机交互场景具有广泛的应用前景.     

一种基于知网的情感计算方法

情感计算是对文本进行情感分析与挖掘,得出文本评价调性的过程。基于知网的情感计算方法首先依据知网＂情感分析用词语集＂构建情感词典,然后计算文本中特征词汇的情感倾向,最后通过累加得出文本的情感倾向。实验结果表明,在设定一个合理中性阀值后,能较好地计算出特征词汇和篇章的情感倾向,有较高的查全率和查准率。     

情感过滤法在外语教学中的运用

影响外语学习的因素除了客观因素外,学习者学习外语的动机、态度、焦虑和自信心很大程度上影响着他们的学习效果,那么教师在外语教学中巧妙的运用情感过滤非常重要.     

从教师语言看二语习得中的情感过滤

情感与认知是语言学习过程中不可分割的有机组成部分。Krashen的情感过滤假说揭示了情感因素在语言习得中的过滤作用。情感过滤的高低决定着语言输入吸收的多少。教师语言作为语言输入最大最有价值的来源与情感过滤水平密切相关。     

多媒体与网络环境下大学英语情感教学研究

探讨多媒体网络教学环境下大学生英语学习活动中的情感因素和实施情感教学的可行性。以2007级非英语专业本科生为研究对象,进行问卷调查和个别访谈,并对所得数据及结果进行统计分析。结果显示：多媒体与网络环境下的大学英语教学模式使学生能够产生更多的有利于英语学习的积极情感,网络环境下的人机交流能提供更多更广的师生之间及学生之间的情感交流,增强移情意识。因此,多媒体网络教学环境有利于教学情感目标的实现。     

TEACHING READING IN ENGLISH AS A SECOND LANGUAG

ＴＥＡＣＨＩＮＧＲＥＡＤＩＮＧＩＮＥＮＧＬＩＳＨＡＳＡＳＥＣＯＮＤＬＡＮＧＵＡＧＬｉＪｉｎｆｅｎｇＴＥＡＣＨＩＮＧＲＥＡＤＩＮＧＩＮＥＮＧＬＩＳＨＡＳＡＳＥＣＯＮＤＬＡＮＧＵＡＧ￥ＬｉＪｉｎｆｅｎｇＡｂｓｔｒａｃｔＴｈｉｓｅｓｓａｙｄｅａｌｓｗｉｔｈ...     

影响二语习得的环境因素

主要介绍了语境因素及情感因素在学习者语言习得中的重要作用,提出教师应该重视语境在学生理解文章、进行交流中的重要作用,并积极提供相关背景知识帮助学生加深理解,更好的进行语言习得。另一方面也提出了情感因素对二语习得的影响,建议教师应该在课堂中创建积极的情感氛围,为学生二语习得提供宽松、有效的环境。     

过渡语僵化现象情感成因

僵化是过渡语体系明显的特征。情感因素是僵化形成的重要原因之一。从外语学习动机、态度、焦虑和移情等方面，探讨过渡语僵化现象的情感成因。外语教育工作者在考虑其它因素的同时，应该正确认识和尊重学习者的情感，充分发挥情感因素的积极作用，预防和减少僵化的发生。     

情感因素迁移的英语教学尝试

迁移在学习过程起着重要作用以至“为迁移而教”成为当代一个教学理念。回顾迁移研究历史会发现心理学家迄今为止主要关注学习中认知因素的迁移,较少涉及对学习同样非常重要的非认知因素——情感因素。因此本文提出尝试情感因素在外语中的迁移教学：1）利用情感的形成特点（与生存环境密切相关,具有社会性）促进英语学习,2）在教学过程中尝试从教材开发利用、课堂教学、学生评估等方面进行情感迁移的英语教学。     

中学生英语听力问题及其对策

英语听力对学习英语至关重要,中学生普遍感到听力困难。本文对中学生听力中存在的问题进行探讨,采用了阶段性推进教学模示,为学生提供可理解输入,开展形式多样的听力训练,创造宽松的学习氛围,以便使听力水平得到提高。