情绪分析

摘要： 以微博文本数据情绪分析方法,研究山西暴雨这一突发事件下公众在社交媒体平台上情绪传播特征。研究发现,公众对情绪性媒体议题有更强的偏好,当媒体无法满足自身救灾想象时,公众以粉丝身份主动参与到"养成系媒体"的灾难报道议题建构中。

摘要： 随着移动互联网的迅猛发展,社交网络平台充斥着大量带有情绪色彩的文本数据,对此类文本中的情绪进行分析研究不仅有助于了解网民的态度和情感,而且对科研机构和政府掌握社会的情绪变化及走向有着重要作用。传统的情感分析主要对情感倾向进行分析,无法精确、多维度地描述出文本的情绪,为了解决这个问题,文中对文本的情绪分析进行研究。首先针对不同领域文本数据集中情绪标签缺乏的问题,提出了一个基于深度学习的可迁移情绪分类的情感分析模型FMRo-BLA,该模型对通用领域文本进行预训练,然后通过基于参数的迁移学习、特征融合和FGM对抗学习,将预训练模型应用于特定领域的下游情感分析任务中,最后在微博的公开数据集上进行对比实验。结果表明,该方法相比于目前性能最好的RoBERTa预训练语言模型,在目标领域数据集上F1值有5.93%的提升,进一步加入迁移学习后F1值有12.38%的提升。

摘要： 长期以来,传统的基于单模态数据情绪分析方法存在分析角度单一、分类准确率低下等问题,时序多模态数据的分析方法为解决这些问题提供了可能.本文基于话语间的时序多模态数据,对现有的多模态情绪分析方法进行了改进,使用双向门控循环网络(Bi-GRU)结合模态内和跨模态的上下文注意力机制进行情绪分析,最后在MOSI和MOSEI数据集上进行验证.实验表明,利用话语间的时序多模态数据,并且充分融合模态内以及跨模态上下文信息的方法,能够从多模态特征和时序特征的角度进行情绪分析,从而有效提高情绪分析任务的分类准确率.

摘要： 人的情绪每时每刻都在变化,当人体情绪波动时,其皮肤的温度与电阻会发生相应的变化[1]。运用传感器将变化情况接收并进行相应的数据处理,可得知人体的情绪变化情况。因此,研制一种人体皮肤温度的测量装置,以满足情绪分析的测量需求,具有重要意义。本论文在基于DSP的皮肤测量系统研究[2]的基础上,详细阐述了基于单片机的人体皮肤温度的测量装置的设计原理,进行了计算机仿真,并最终在硬件上实现这些功能。论文介绍了皮肤温度测量装置的温度采集模块、AD转换模块以及数码管显示模块的器件选型及主要硬件电路。

摘要： 情绪分析一直是自然语言处理领域的研究热点,而多模态情绪分析是当前该领域的一个挑战。已有研究在上下文信息和不同模态时间序列信息交互方面存在不足,该文提出了一个新颖的多层LSTM融合模型(Multi-LSTMs Fusion Model, MLFN),通过分层LSTM分别设置单模态模内特征提取层、双模态和三模态模间融合层进行文本、语音和图像三个模态之间的深度融合,在考虑模态内部信息特征的同时深度捕获模态之间的交互信息。实验结果表明,基于多层LSTM多模态融合网路能够较好地融合多模态信息,大幅度提升多模态情绪识别的准确率。

摘要： 针对功率谱密度在脑电情绪分析中存在特征单一且无法有效表示频率间差异的问题,提出一种增强型功率谱密度特征提取方法,实现对情绪的分析与差异显著性判断。该方法通过脑电信号的α频率功率谱密度得到功率谱密度图像,利用图像特征提取算法提取其颜色特征、纹理特征与相似性特征,再基于相关性准则剔除冗余特征,以差异显著性P值的最小平均值为目标,获得最终的特征子集,从而有效地融合了不同图像特征,最后对被试的情绪进行分析与差异显著性判断。试验结果表明,所提出的方法能够有效量化SEED数据集中被试的情绪差异;在自行设计情绪脑电试验中,与其他方法相比,利用所提出的方法得到的差异显著性值更小,证明了方法的可行性和有效性。

摘要： 结合立体构成实际目标与现状,文章围绕课程实操部分,提出培养工业设计专业学生设计主题情绪分析能力、表现能力,以及实际工业产品设计能力三方面的具体方式方法,以切实达到提升学生设计创新能力的目标,为国家培养具有创新能力的技能型人才,助力工业产业升级。

摘要： 近年来,利用多模态数据进行情绪分析是一个非常热门的领域。如何对模态内部信息及模态之间的相互作用进行更好的利用,是一个值得探讨的研究问题。而多个模态之间的相互作用,并不是一个静态的过程,而是动态变化的,且模态对于不同的任务而言也存在动态的强弱差异。若不能妥善处理,将导致模型性能的下降。该文针对时序多模态情绪数据提出了一种异质的动态融合方法,通过层次化的异质动态融合方式更完备地进行模态融合,并且动态地捕捉到模态间的相互作用。因此,该方法在提高模型性能的同时也提高了模态融合过程的可解释性。同时,该文利用多任务学习策略,将异质动态融合网络联合单个模态的自监督学习网络,获得模态的一致性及差异性特征。通过CMU-MOSI及CMU-MOSEI数据集上的实验表明该模型相比于主流模型具有优势,且模态融合的过程更具可解释性。

摘要： 随着大数据和新媒体时代的到来,短视频+短评论的风潮愈发流行。相比于普通的视频评论,弹幕具有更强烈的情感倾向,蕴含着丰富的情绪价值。本文意在研究弹幕的情绪分类,依据大连理工大学情感词汇本体库,对爬取的B站弹幕进行人工数据标注,采用Bert预训练语言模型与循环卷积神经网络BiLSTM_CNN,充分提取弹幕文本信息和句子语义特征,最终通过softmax函数得出弹幕文本的情绪分类,分类精度达到84.6%,相比传统模型准确率得到显著提升。

摘要： 文章以成果导向教育理念为切入点,采用情绪自我报告、访谈、面部表情识别与情绪文本挖掘等情绪分析法考查学习者的学习动机,研究混合学习模式下“跨境电商”课程教学中学生的学习情绪变化,以激发学生的积极自我效能感,使学习者的自主学习与课程平台操作等方面的能力得到显著提升。

摘要： 本文旨在探索一种面向微博的社会情绪词典构建方法,并将其应用于社会公共事件的情绪分析中.首先通过手工方法建立小规模的基准情绪词典,然后利用深度学习工具word2vec对社会热点事件的微博语料通过增量式学习方法来扩展基准词典,并结合Hownet词典匹配和人工筛选生成最终的情绪词典.接下来,分别利用基于情绪词典和基于SVM的情绪方法对实验标注语料进行情绪分析,结果对比分析表明基于词典的情绪分析方法优于基于SVM的情绪分析方法,前者的平均准确率和召回率比后者分别高13.9％和1.5％.最后运用所构建的情绪词典对热点公共事件进行情绪分析,实验结果表明本文方法是有效的.

摘要： 本发明公开了一种基于微博文本的情绪分类和情绪成分分析方法，包括以下步骤：从互联网上获取多条用户发布的微博文本；对多条微博文本进行分词，以根据每个词的词性得到多个词；从多个词中提取多个特征词；根据多个特征词训练情绪分类体系中每个节点的分类器，以构建情绪分类体系，并通过情绪分类体系实现情绪分类；根据分类结果对微博文本情绪成分进行分析。本发明实施例的方法，通过提取多个特征词构建情绪分类体系，实现情绪分类，并根据分类结果对微博文本情绪成分进行分析，不但节省了时间，提高了分类速度和分类效果，还能快速分析情绪成分，更好地满足用户的使用需求。本发明还公开了一种基于微博文本的情绪分类和情绪成分分析系统。

摘要： 一种情绪检测设备、情绪检测系统、情绪检测方法和计算机可读存储介质。情绪检测设备包括：心率处理模块和情绪处理模块。所述心率处理模块被配置为接收心率信号，并对所述心率信号进行差分处理，以得到与所述心率信号对应的特征参数；所述情绪处理模块被配置为处理所述特征参数，以确定与所述特征参数对应的情绪标签。

摘要： 本发明公开了一种智能分析情绪的可穿戴设备及智能分析情绪的方法，用以解决现有技术分析用户情绪不精确的问题，本智能分析情绪的方法包括步骤S1：记录用户的语音信息数据信息，分析该语音数据信息的音量大小并采集对应的心率信息；S2：根据记录的用户语音信息、用户语音信息的音量大小以及对应的用户心率信息进行预设算法运算，确定用户的情绪状态；S3：显示用户的情绪状态。通过本发明的智能分析情绪的可穿戴设备及智能分析情绪的方法可以更加准确的分析用户情绪，并且通过佩戴该设备即随时了解用户预设时间周期的情绪状态，快速有效。

摘要： 本发明公开了一种基于微博文本的情绪分类和情绪成分分析方法，包括以下步骤：从互联网上获取多条用户发布的微博文本；对多条微博文本进行分词，以根据每个词的词性得到多个词；从多个词中提取多个特征词；根据多个特征词训练情绪分类体系中每个节点的分类器，以构建情绪分类体系，并通过情绪分类体系实现情绪分类；根据分类结果对微博文本情绪成分进行分析。本发明实施例的方法，通过提取多个特征词构建情绪分类体系，实现情绪分类，并根据分类结果对微博文本情绪成分进行分析，不但节省了时间，提高了分类速度和分类效果，还能快速分析情绪成分，更好地满足用户的使用需求。本发明还公开了一种基于微博文本的情绪分类和情绪成分分析系统。

摘要： 本发明公开了一种情绪监测的情绪建模方法及情绪监测调节系统，该方法是拾取训练的情绪信号，依次进行滤波预处理和微分熵特征提取，得到相应的特征向量；将特征向量通过基于线性核的SVM构建情绪分类的分类器，将训练中的高兴、中性、悲伤情绪状态下对应的情绪特征数据构成一个训练集，并将高兴、中性、悲伤情绪状态下对应的特征向量送入分类器进行训练，得到基于情绪的分类器模型；再次调用上述训练集中三种情绪状态对应的特征向量分别送入分类器模型，在分类器模型的输出中得到每种情绪状态的score值(代表情绪的强弱程度)，并基于score值构建反馈准则，用于帮助用户有效地改变自己的情绪调节策略，达到情绪调节的有用效果。

摘要： 本发明提供一种情绪分析方法、情绪分析系统及情绪分析装置。其中，情绪分析系统包括：一案例库、一输入模组、一语句分析模组、一相似度分析模组以及一情绪判断模组。其中，案例库包含复数句案例语句，每一案例语句包含至少一主要词汇且对应至少一情绪标示。输入模组用于接收一输入语句。语句分析模组用于分析该输入语句的一语句结构。相似度分析模组用于根据语句结构，对输入语句与案例库中至少一案例语句进行一语意分析与一语法分析，以分别获得输入语句与至少一案例语句之间的一相似等级。情绪判断模组用于根据多个相似等级，判断该输入语句的至少一情绪。

摘要： 本发明提供一种情绪分析方法、情绪提醒方法及情绪提醒控制装置，方法包括：采集语音信息并转化成文本，基于双层长短期记忆人工神经网络进行文本表征与辅助信息引入；利用辅助信息得到文本中的含有情感的词作为分析对象；分析对象中多个词之间建立情感依赖；筛选出最终目标分析对象；捕获最终目标分析对象和文本中上下文之间的关系；获取外部语料库，从外部语料库筛选出与最终目标分析对象相关性高于预设相似度的句；得到最终目标分析对象的情感对；基于情感对进行情绪分析。可以有效了解到文本中涉及到的详细方面的情感倾向性，为后续分析与决策提供一定的辅助信息。

摘要： 本发明提供一种情绪分析方法、情绪分析系统及情绪分析装置。其中，情绪分析系统包括：一案例库、一输入模组、一语句分析模组、一相似度分析模组以及一情绪判断模组。其中，案例库包含复数句案例语句，每一案例语句包含至少一主要词汇且对应至少一情绪标示。输入模组用于接收一输入语句。语句分析模组用于分析该输入语句的一语句结构。相似度分析模组用于根据语句结构，对输入语句与案例库中至少一案例语句进行一语意分析与一语法分析，以分别获得输入语句与至少一案例语句之间的一相似等级。情绪判断模组用于根据多个相似等级，判断该输入语句的至少一情绪。

摘要： 本发明提供一种情绪分析方法、情绪提醒方法及情绪提醒控制装置，方法包括：采集语音信息并转化成文本，基于双层长短期记忆人工神经网络进行文本表征与辅助信息引入；利用辅助信息得到文本中的含有情感的词作为分析对象；分析对象中多个词之间建立情感依赖；筛选出最终目标分析对象；捕获最终目标分析对和文本中上下文之间的关系；获取外部语料库，从外部语料库筛选出与最终目标分析对象相关性高于预设相似度的句；得到最终目标分析对象的情感对；基于情感对进行情绪分析。可以有效了解到文本中涉及到的详细方面的情感倾向性，为后续分析与决策提供一定的辅助信息。

摘要： 本发明公开了一种基于复合情绪分析的抑郁情绪辅助管理方法，包括如下步骤：采集微博用户的数据，进行预处理；嵌入层将数据编码为实值向量利用抑郁情绪表达词典统计文本中的抑郁情绪表达，编码为抑郁情绪表达向量；将嵌入层获取的抑郁情绪表达向量输入至特征抽取层，情绪原因特征单元通过Bi‑GRU进行原因事件抽取，找出是否有导致当前情绪的原因事件；利用复合情绪知识单元结合Bi‑GRU对文本的复合情绪变化特征进行抽取；将特征抽取层中的隐含层输入到胶囊层；胶囊层得出结果分类训练，利用抑郁情绪分类胶囊的实例化参数重建抑郁情绪表达，捕捉预测抑郁情绪的特征。本发明克服了抑郁情绪辅助检测方法对抑郁情绪类型分类粒度过粗问题。