情感经验

摘要： 代表着中华民族文学最高成就的古代文学作品具有永恒的美学价值,蕴含着中华民族的情感经验与人文精神。高校通过古代文学教学可以潜移默化地熏陶学生,培养他们深厚的人文情怀和文化底蕴。在我国基础教育和高等教育阶段都安排了丰富的古代文学教学内容,旨在提升学生的古代文学鉴赏和审美能力。但是,对于中学生来说他们缺乏文言文知识储备,从而导致文言文阅读理解能力较低,同时,古代文言文教学现状也不容乐观,学生想象思维能力和逻辑思维能力也没能得到很好的培养。

摘要： 信息可视化设计包含科学性的"实证归纳"和人文性的"观念思辨"两大方法.本文反思了目前以"实证归纳"方法为主导的信息可视化设计中的数据权利问题、技术美学局限和精神价值匮乏.提出将信息可视化目标从解释性的功能转向探索式的启发,将"给定式"数据Data发展为"参与式"数据Capta.以设计美学驱动信息技术,把"观念思辨"纳入信息可视化设计的各个流程中,鼓励创建人性化知识生成器以催化社会梦想.

摘要： 失恋博物馆,展览的不是心情,而是爱情。“失恋博物馆”是近年很火的一个概念,但因形式趋于同质化、内容过分情绪化,不少失恋博物馆已经走过了和消费者的“热恋期”。情绪不是失恋博物馆兴起的初心,其实质是通过共鸣拾起回忆,借鉴情感经验。

摘要： 部编版初中语文教材七年级下册第五单元的单元阅读提示这样写道“本单元学习托物言志的手法:体会如何运用生动形象的语言写景状物,寄寓自己的情思,抒发对社会人生的感悟。”由此可见,托物言志手法是本单元教学的重点。本单元所选课文《紫藤萝瀑布》和《一颗小桃树》都是典型的托物言志类散文。学生年龄小,人生阅历和情感经验不够丰富,如果教师没有带领学生深入解读文本,学生对文章的理解很可能趋于表面,不够深入。

摘要： 科学区游戏以培养幼儿的活动兴趣和探究能力为目的,通过体验探究科学性的游戏不仅能够积累儿童的认知经验,还能在提高儿童反应能力的同时积累相应的情感经验,对于开发智力、培养学科学兴趣、养成良好学习品质有一定的促进作用。鼓励幼儿大胆尝试教师通过对幼儿活动给予支持和帮助的支持性行为被称为支持性策略。支持性行为包括直接支持性行为和间接支持性行为两种。

摘要： 网络民愤是公众以非正义的社会现象为核心,以不满为情感基调,以社交媒体为传播工具,经过多层次的网络互动所表达出的一种强烈情绪.根据情感现象学,非正义的社会现象会激发公众进行先验正义的道德判断,并唤起公众愤怒的情感经验与不满情绪,这种情绪通过社交媒体不断传播,使网民之间发生反思性的情感共情与非反思性的情感传染,从而导致网络民愤社会现象的发生.

摘要： 英国教育史研究传记叙事模式起源于对教育大师的历史赞歌.20世纪50年代至今,它在自身发展历程中,随着理论基础和关注焦点的不同,形成了不同研究取向的新教育传记叙事模式.其主要有三类研究取向:社会史取向的教育者个人传记研究,架起了个人-教育-社会之间的桥梁;社会文化史取向的女性主义教育传记叙事研究,将个人记忆、集体记忆与教育历史联系起来,呈现教育发展中女性的声音;情感取向的教育主体传记研究,分析维度从"语言结构"转向"情感经验".英国学者通过三类研究取向的传记研究,引入私人化史料叙述传主的故事,明确传记阐释教育历史的"叙述限度",彰显了传记叙事的价值维度,实现了教育史研究的视域转换.

摘要： 爱情诗的理所当然是表现爱情生活及其心理体验。爱情的体验提供给爱情诗以素材，爱的快乐与痛苦体验形成爱情诗的珍珠;与此同时爱的幸与不幸创造着爱情诗人，爱情体验又促使诗人创造出高峰体验，让爱情诗具有美的特质和哲学的精神境界。

摘要： 爱情诗的理所当然是表现爱情生活及其心理体验。爱情的体验提供给爱情诗以素材，爱的快乐与痛苦体验形成爱情诗的珍珠;与此同时爱的幸与不幸创造着爱情诗人，爱情体验又促使诗人创造出高峰体验，让爱情诗具有美的特质和哲学的精神境界。

摘要： 爱情诗的理所当然是表现爱情生活及其心理体验。爱情的体验提供给爱情诗以素材，爱的快乐与痛苦体验形成爱情诗的珍珠;与此同时爱的幸与不幸创造着爱情诗人，爱情体验又促使诗人创造出高峰体验，让爱情诗具有美的特质和哲学的精神境界。

摘要： 爱情诗的理所当然是表现爱情生活及其心理体验。爱情的体验提供给爱情诗以素材，爱的快乐与痛苦体验形成爱情诗的珍珠;与此同时爱的幸与不幸创造着爱情诗人，爱情体验又促使诗人创造出高峰体验，让爱情诗具有美的特质和哲学的精神境界。

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： 本发明公开一种基于经验小波变换进行特征提取的脑电情感识别方法，根据脑电情感数据外围生理信号与脑电信号通道之间的相干性，选择相干性程度最高的几个脑电通道作为特征提取通道；基于经验小波变换进行脑电情感特征提取，经验小波变换分解后得到一系列本征模态函数；计算每个本征模态函数的样本熵，并基于样本熵值构造特征向量，从而形成一个特征向量集；将脑电情感数据数据按照唤醒度和效价两个维度划分成多个类别，运用支持向量机进行脑电情感的识别。本发明同时考虑脑电情感数据集中数据的非线性和非平稳性特性，保证了该方法的分类精度、准确率和执行速度。

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。