情感意义

摘要： 国内外传统研究认为叹词是纯粹的情感词,包含情感意义或表达说话人当下的心理状态。概念论者根据NSM理论,认为叹词具有指示性和规约性两大特点,可以传递概念内容,包含概念意义。关联论者根据关联理论,认为叹词包含程序意义,可以构建较高层次显义,也可以激活命题态度或态度描述。跨语言研究尤其是关于多式综合语的研究表明叹词还包含文化意义。对于叹词意义的多重认识有助于更加深入地理解该语言现象。

摘要： 情感理解是主题意义探究的题中应有之义。基于评价理论的高中英语阅读教学可以按“带入主题语境,充分促发情感”“挖掘表情功能,深度体验情感”“循着语篇衔接,把握情感发展”的步骤来设计,以逐步推进学生理解词汇、语法等的表情功能,把握语篇情感意义的发展,提升共情能力。

摘要： "春秋笔法"中的"微言大义"常被后世称赞,一字可寓褒贬、别善恶,体现《春秋》语言之含蓄严谨;《左传》作为《春秋》的扩充展写,既丰富了前人的记事,又蕴含了春秋时多面的古代文化。《左传》中的"称谓"也各有讲究,不同的情境,不同的称谓便有不同的含义,本文即就《郑伯克段于鄢》中的自称、他称和对称做出简要分析。

摘要： 长城作为古代最重要的军事防御工程,早在周王朝时期便开始修筑,秦灭六国统一天下之后,修筑了举世瞩目的万里长城.此后,历代王朝均对长城进行过修缮维护.长城,不仅是中华民族的标志性建筑,承载着深厚的社会、人文和情感意义,也是中华民族精神的象征.从古至今,长城精神支撑着中华民族克服了重重困难.基于此,紧扣长城这一主题,河北省张家口市第十中学成立了长城文化兴趣小组,有意识地搜集整理相关内容,结合张家口市处于长城脚下这一特殊的地理位置及优势,积极进行了研究探讨.

摘要： 随着时代经济的快速增长,设计不再是单单只立足于功能,而是更加注重人的情感需求。更多情感化、人性化的建筑形式风靡一时,成为受欢迎的设计手法。建筑空间的形式也成为一种情感的物化。通过分析情感需求,探究在情感因素影响下的建筑空间设计表现形式,希望为相关领域的设计提供一些参考和借鉴。

摘要： 现代建筑设计的发展,对建筑环境中情感设计的注重程度越来越高.建筑体除了本身的使用价值外,自身也是一件艺术品,其不仅要能满足人们物质生活的需求,同时也应该在精神层面上表达一定的意义.建筑环境设计中的情感意义是运用建筑设计中的空间布局、色彩搭配、线条符号等来表达一定的艺术感情,从审美和艺术的角度诠释新时期的建筑设计理念,是建筑物在具有一定功能性的同时,提升建筑的人文气息最佳方法.本文通过对实例的分析,研究建筑环境艺术设计中的情感意义.

摘要： 一、前言:雪落无声洛夫的诗集封面上的四个字:"雪落无声",像静默的现实通透着冰凉的冷静,仿如尘俗往事与世事纠葛,早在无声落下的雪白中澄静如一片白茫茫的大地。"白"与"雪"象征着世事的沉淀与洗净、心境的纯一与单纯,洛夫在老年时出版诗集《雪落无声》,在"二度流放"的加拿大家中看雪赏雪,独与天地往来的精神,如被一片白色天地解放心灵,达到忘我的境界。然而,"雪落无声"不过是诗人生命中一个小小的分号,在诗集之前,雪早在记忆里下着,诗集之中,"雪"的景象在诗人心中或隐或藏,时现时消,"雪"的意象与相应的心情在诗人心中生根,从少年到老年。

摘要： "家乡""故乡"均可指出生地或祖辈所在地,但"家乡"既可用于仍在出生地也可以用于已离开出生地的语境,而"故乡"一般用于已离开出生地的语境,因此在理性意义上二者存在区别."故乡"一般用来表达空间上的距离感以及感情上的生疏",家乡"则侧重突出人的亲近感,因此二者在情感意义上也存在区别,这是区分它们词义的关键所在.

摘要： 形式与语义不兼容是文本翻译过程中必须重点关注的问题.为了探索提升文本翻译准确性的具体方法,本文从文本翻译中理性意义不对称、情感意义不对称、社会意义不对称和搭配意义不对称四个方面论述现阶段文本翻译过程中形式与语义不兼容的问题.

摘要： 本文首先指出翻译语境的定义、功能，简论其研究现状，并将其分类，说明主要内容。作者认为将翻译语境分为言内语境、言伴语境和言外语境比较恰当。接着旁征博引，论述具体语境和词义的多维性，阐明二者的相互关系。作者强调词语的静态意义在语境中就变成了动态意义。词语在语篇中的各种动态意义，包括具体的引申意义，联想意义，情感意义等等，都一般只能通过具体语境才能把握住，也只能通过具体语境才能正确地翻译出来。然后结合丰富多彩的实例，详细论证言内语境与词语的引申意义和联想意义之理解及其翻译的密切关系。旨在证明：翻译语境与词语选用密不可分，只有在了解翻译语境的基础上，才能透彻理解原文，准确选用词语和句式，保证译文忠实而流畅。

摘要： 本发明公开了基于维度情感模型的群体情感识别与异常情感检测方法，涉及智能情感识别技术领域，基于认知心理学PAD三维情感模型，通过数据搜集和人工标注，创建群体情感的视频数据集，揭示了六种典型情感在PAD空间中的位置关系；创建基于群体行为的情感预测模型，将群体运动特征映射为PAD空间中的三维坐标；构建异常情感分类器，当检测到愤怒和恐惧这两种异常情感，则判定场景产生了异常状态。针对群体运动视频，本申请既能够准确表达群体情感的连续变化状态，还可以实现对全局异常状态的有效识别。

摘要： 本发明涉及到情感分析领域，提出了一种基于语义、情感惯性和情感共性的对话情感分析方法，步骤包括：首先获取对话交替进行的多轮对话数据，并对不同人物角色进行标明；然后对多轮对话中的每条对话信息进行时序建模，提取出其中对应的语义信息表达序列；最后基于多轮对话所提取的语义信息表达序列，分离出对应的情感状态表达序列，并进行情感识别。在本发明中，打破了传统的以语义信息决定情感分类的做法，提出了由语义状态与情感状态分离的方法，由情感状态决定情感分类，从心理学的角度改进了现有对话情感分析方法，提升了情感识别的效果。

摘要： 本发明提供一种情感识别方法、情感识别设备及情感识别系统。其中，情感识别方法包括以下步骤：获取三维传感器阵列服装采集的用户的当前肌肉应力信号数据；将当前肌肉应力信号数据输入至已训练好的多元情感分类模型，获得多元情感分类模型输出的情感识别结果。本发明通过采用三维传感器阵列服装采集人体表达情感时当前肌肉应力信号数据，将其输入已训练好的多元情感分类模型中，多元情感分类模型通过肌肉应力信号数据输出其对应的情感识别结果。通过三维传感器阵列服装采集人体表达情感时的动作数据，可以确保高质量捕获肌肉应力信号数据，并根据动作与情感状态之间的关系，可以更准确地识别人体的情感表达，提高了情感识别的准确性。

摘要： 本发明公开了基于维度情感模型的群体情感识别与异常情感检测方法，涉及智能情感识别技术领域，基于认知心理学PAD三维情感模型，通过数据搜集和人工标注，创建群体情感的视频数据集，揭示了六种典型情感在PAD空间中的位置关系；创建基于群体行为的情感预测模型，将群体运动特征映射为PAD空间中的三维坐标；构建异常情感分类器，当检测到愤怒和恐惧这两种异常情感，则判定场景产生了异常状态。针对群体运动视频，本申请既能够准确表达群体情感的连续变化状态，还可以实现对全局异常状态的有效识别。

摘要： 从声音信号数据对每个分析帧提取声音特征量，并将该声音特征量存储到存储单元(S120)。接着，从存储单元读取所述声音特征量，使用基于预先输入的学习用声音信号数据所构成的一个以上的统计模型，计算与所述情感状态对应的所述声音特征量的情感状态概率(S130、S140、S150)。然后，基于计算的所述情感状态概率，判定包含所述分析帧的区间的情感状态(S160)。

摘要： 本发明公开了情感分析技术领域的融合情感资源的多模态情感分析模型，包括：用来进行文本、视觉与听觉模态特征初步提取的单一模态特征提取层模块，利用Transformer捕捉模态内部的动力，并设计情感词分类预测任务进行情感嵌入学习和提取的单一模态特征深度提取层模块，利用情感嵌入来完成多模态特征交互学习，使得其他模态特征能够感知文本中情感信息的跨模态交互学习层模块，将前三层学习到的情感特征表示最终输入深度神经网络完成最终预测任务的预测层模块，首个将情感资源作为主导信息来进行多模态情感分析的模型，设计了一种情感词分类预测任务进行情感知识学习，相较于现有的多模态情感分析方法，本申请的方法具有明显优势和较好的泛化性。

摘要： 本发明涉及基于情感语义对抗的跨语言情感分类方法，属自然语言处理领域。本发明包括：构建汉越疫情相关社交媒体评论的数据集；将句子以及句子中情感词拼接，用卷积神经网络对拼接后的句子分别进行联合表征，分别获得单语语义空间下的情感语义表征；其次，通过对抗网络，在双语情感语义空间将带标签数据与无标记数据的情感语义表征进行对齐；最后将句子与情感词最显著的表征进行拼接，得到情感倾向性分析结果。本发明通过融合情感信息信作为背景信息实现了跨语言情感倾向性分析，从获取的舆情数据中为低资源数据获得情感分类结果，为后续的文本分类及低资源语言细粒度情感分析提供了支撑。

摘要： 本发明属于图像内容分析领域，公开了一种基于情感属性挖掘的图像情感分析方法，利用用户元数据信息挖掘，构建语义覆盖面大、情感可判别能力强的情感属性子集，并采用融合神经网络和矩阵分解模型预测标签矩阵，提升图像情感分析结果的准确性与稳定性。根据用户标签元信息和情感属性的特点，融合四种情感属性特性并优化概念选择模型完成情感属性子集选择；利用卷积神经网络提取视觉特征并通过视觉内容一致性优化；构建引入外界知识库指导的邻接图并通过语义关联性优化；将图像视觉特征和标签语义特征映射到潜在共享空间中，实现预测标签矩阵的重构；最后，利用训练好的重构模型来重构预测标签矩阵，并使用线性分类器进行最终的情感识别。

摘要： 本发明公开了一种基于SOPMI算法的情感词典扩充方法及情感极性分析方法，包括以下步骤：收集舆情文本数据；收集褒义词贬义词作为种子词；利用SOPMI算法计算词语的情感分数并生成情感词典；利用jieba对文本数据进行分词，并提取其中的名词和动词；利用名词和动词的分数加权对文本信息进行打分。解决了大多数情感极性分析智能基于现有情感词典，无法生成自己项目专有的情感词典。

摘要： 本发明公开了一种基于多分辨率情感和多类型知识的情感对话生成方法，包括接收对话中的语句文本，并进行标记；建立多分辨率情感模块；多分辨率情感模块将情感词转换为向量表示，生成最终多分辨率情感上下文；建立多类型知识交互模块；多类型知识交互模块通过对话上下文和多类型知识之间的联合交互构建情感增强的上下文；生成交互式向量，提取情感信号；解码器进行响应，生成情感响应并与用户输入共同构成情感对话。本发明利用多种类型的知识明确理解和表达情感对话生成中的情感，利用多类型知识获得情感增强的上下文语境图，利用多分辨率情感来更好地捕捉用户情感的细微变化，并将多向量进行融合并提取情感信号，来指导情感响应的生成。