Affective computing vs. affective placebo: Study of a biofeedback-controlled game for relaxation training

Relaxation training is an application of affective computing with important implications for health and wellness. After detecting user׳s affective state through physiological sensors, a relaxation training application can provide the user with explicit feedback about his/her detected affective state. This process (biofeedback) can enable an individual to learn over time how to change his/her physiological activity for the purposes of improving health and performance. In this paper, we provide three contributions to the field of affective computing for health and wellness. First, we propose a novel application for relaxation training that combines ideas from affective computing and games. The game detects user׳s level of stress and uses it to influence the affective state and the behavior of a 3D virtual character as a form of embodied feedback. Second, we compare two algorithms for stress detection which follow two different approaches in the affective computing literature: a more practical and less costly approach that uses a single physiological sensor (skin conductance), and a potentially more accurate approach that uses four sensors (skin conductance, heart rate, muscle activity of corrugator supercilii and zygomaticus major). Third, as the central motivation of our research, we aim to improve the traditional methodology employed for comparisons in affective computing studies. To do so, we add to the study a placebo condition in which user׳s stress level, unbeknown to him/her, is determined pseudo-randomly instead of taking into account his/her physiological sensor readings. The obtained results show that only the feedback presented by the single-sensor algorithm was perceived as significantly more accurate than the placebo. If the placebo condition was not included in the study, the effectiveness of the two algorithms would have instead appeared similar. This outcome highlights the importance of using more thorough methodologies in future affective computing studies.     

响应面法优化管萼山豆根总生物碱提取工艺

采用微波控温辅助超声波的方法提取管萼山豆根茎中总生物碱,通过单因素法和响应面法优化了提取工艺,考察了管萼山豆根茎中总生物碱对1, 1-二苯基-2-三硝基苯肼自由基(DPPH·)、2, 2-联氮-二-3-乙基-苯并噻唑-6-磺酸自由基(ABTS·)和超氧阴离子自由基(O2?·)的清除作用。结果表明,模型优化并修正的最佳工艺条件为:提取时间37.8 min,微波加热温度64.5℃,超声功率575 W,乙醇体积分数95%,在该条件下总生物碱得率为0.5418%,高于不采用微波超声辅助的0.2436%、超声辅助的0.4538%、乙醇回流的0.3884%。管萼山豆根茎中总生物碱在DPPH·、ABTS·、邻苯三酚浓度分别为0.1、7.0、8.0 mmol/L条件下,其半数抑制质量浓度(IC50)分别为0.891、0.552和0.390 g/L。     

谈语文教师的语言素质及培养

增强教师的语言素质，充分发挥课堂语言的效能，是提升语文教学效果的有效方法。具体论述了语文教师语言吸引力的效能、特点及培养。     

超临界CO_2萃取技术在中草药开发中的应用进展

分析了我国中药发展的形势及其应用新技术的必要性 ,论述了超临界CO2 萃取技术在我国中草药开发中应用的现状及优越性 ,提出了如何应用超临界CO2 萃取技术进行中药开发的对策与展望。     

基于自然语言处理的算法知识名称发现

网络中的很多程序资源在知识概念上有内在的联系,却没有超链接将它们连接在一起。将网络程序资源中的算法知识名称获取出来,组织成一个算法知识专家库文件,用于识别程序设计资源所含的知识点,即可将程序设计资源按知识点相互联系。为了自动获取程序资源中的算法知识名称,提出一种基于自然语言处理的算法知识名称发现方法。通过发现含有算法知识名称语句的字符串模式,从程序资源中提取可能含算法知识名称的字符串,从中找出最有可能出现在算法知识名称中的分词,并根据这些分词获取算法知识名称。实验结果表明,与原有人工整理出的算法知识名称集合相比,该方法新增了11.2%的算法知识点和13.6%的算法知识名称。     

一种并行中英文混合多模式匹配算法

针对中英文混合文本的匹配准确性及大规模数据文本的匹配效率等问题,基于经典的线索化完全哈希特里树算法,提出一种并行化的中英文混合多模式文本匹配算法。采用拆分文本降低多模式匹配算法的串行度,进而在拆分出的小文本上并行地执行文本匹配。通过并行化预处理过程,设计新的存储结构。实验结果表明,该算法在保证结果正确的前提下,执行效率高于经典的串行匹配算法,当数据规模达到226个字符时,可以获得8倍以上的加速比。     

浅谈稷山螺钿漆器的设计与制作

漆,是我们的先民早于世界发现并使用的涂料,漆器是由简单髹涂技法逐渐发展为使用多种材质表现文化艺术价值的多种髹漆技艺的集中展现。螺钿髹漆技法源自夏商,盛于西周,兴于唐宋,成于元明清,历代能工巧匠经过千年的传承,形成了具有代表性的非物质文化遗产,稷山螺钿漆器髹饰技艺就是其中之一。观古人器物的精和美,无非材质不变、工序不变,匠人的不计时日、持之以恒,把我们优秀的传统文化通过技艺、图案、器型等文化符号展现给后人,延续至今。为此,应该把传统工艺作为我们艺术创作的基础,传统文化作为我们艺术创作的主线,传统作品作为我们艺术创作的继承和展示。     

基于中文陈述句灵活语序的Lambek演算

目前,自然语言处理已从句法、词法层面走向轻量级语义层面。针对中文陈述句的自然语言处理,传统Lambek演算无法解决中文陈述句灵活语序的问题,而现有的方法加入模态词、新连接词等后,又进一步增加了已经是NP-hard的Lambek演算的复杂性,因此并不适合计算机的相关处理。基于此,采用加标动词匹配的Lambek演算对中文陈述句灵活语序进行处理。加标动词匹配算法的时间复杂度低,使得计算机及其程序能有效地对中文陈述句灵活语序进行处理,并能通过Curry-Howard对应理论与λ-演算引入轻量级语义处理。     

基于卷积树核的中文微博情感要素识别

情感要素识别是情感分析的关键子任务之一,其目的是识别出文本情感所作用的情感对象。文本情感要素识别属于最细粒度的情感分析,吸引了大量研究者的关注。中文微博由于其语言简短灵活、文本不规范、噪声较大等特点,给中文微博情感分析研究工作带来了新的挑战。目前大部分情感要素识别方法都是基于规则的方法或者基于扁平化特征的统计学习方法,区分噪声的能力不强,性能提升有限。针对中文微博的特点,提出一种基于卷积树核的情感要素识别算法,即首先对句子进行词性标注与依存关系分析,将句子中的名词作为候选情感要素;然后基于两种不同的修剪策略对依存树进行修剪,以获取每个候选情感要素的结构化信息;最后采用卷积树核计算依存树的相似度,并在此基础上识别句子中的情感要素。NLPCC2012和NLPCC2013中文微博情感分析评测任务中的实验验证了该方法的性能,其准确率相比于传统方法有显著提升。     

基于话题链的汉语语篇连贯性描述体系

汉语简洁灵活的意合型篇章组合结构,对传统的基于关联词的篇章连贯性描述体系提出了新的挑战。该文引入话题链描述形式,设计不同类型的话题评述关系集,构建了以话题链为主,融合关联词语和其他连贯形式描述机制,覆盖话题评述、并列、因果、转折四大类关系的汉语语篇连贯性描述体系。在清华句法树库TCT上进行的验证实验,发现话题链和关联词语分别覆盖了约76%和50%的汉语复句,并且两者经常同时使用,初步证明了这个体系在句子连贯性描述方面的可行性和有效性。