专业情感

摘要： 以Y职业院校2021级学前教育专业新生为研究对象,采用自编问卷探究三年制与五年制高职院校学前教育专业新生的专业认知现状及其影响因素。研究表明,不同学制新生的专业认知水平总体不高,三年制新生的专业认知水平显著低于五年制新生,年龄特点、家庭情况、择校原因、专业选择原因和重要他人是影响其专业认知的因素。基于此,提出五点建议,以期提高新生专业认知水平,推动后续专业学习与发展,为学校人才培养夯实基础。

摘要： 在强调教师教育专业知识与技能的同时,一定要强化教师教育的专业情怀。——我国的师资培养不能仅仅停留在以学历层次为标识的专业知识和专业能力上,更要追求更高品质的专业信念与情怀。新时代的教师素养不仅包括高超卓越的专业知识和能力,更包括坚定的专业信念和专业情感。南京师范大学教师教育学院教授、博士生导师刘建说道,重树教师教育的专业情怀,一要弘扬尊师重教传统,提升教师待遇和社会地位。二要转变观念,真正认识到教师情怀与理想信念的强大作用。三要加大教师教育专业人才培养模式改革,特别是要深化教师教育课程、教学、评价改革。

摘要： 中国制造2025转型升级背景下,以SQ学院为例证实证研究,对制造类专业学生调研访问分析,从专业方向、培育理念、认同感等方面对应用技术型高校制造类专业人才培养方案情感完善提供“专业情感”参考。

摘要： 本研究选取一个个案 G教师作为研究对象,运用深度访谈法对其进行6次访谈,以关键事件为切入点探寻其专业情感发展的历程,进而帮助我们理解农村幼儿教师在专业发展过程中的情感体验,并带来一定的启示。

摘要： 高校地理类专业具有学科特有的思政内涵和不可替代的育人价值。文章从地理类专业的学科特点分析了其进行“课程思政”的育人价值,通过对前人研究经验的总结,结合个人教学实践,认为地理类专业“课程思政”内涵主要涵盖专业知识宏观性内涵、专业情感内涵、专业素养内涵、关联内涵等四个层面。地理类专业“课程思政”的教学方法有思政元素嵌入式教学法、基于学科特点的实践教学法和探究性教学法。

摘要： 目的:了解信息管理与信息系统专业现状,为信息管理与信息系统专业建设提供参考依据.方法:采用自行编制的《信息管理与信息系统专业现状调查问卷》对广西医科大学信息管理与信息系统专业在校大学生进行调查.结果:共调查175名学生,低年级(大一、大二)学生120名(68.57％),高年级(大三、大四)学生55名(31.43％);男生62名(35.43％),女生113名(64.57％);生源地为农村学生118名(67.43％),城镇学生57名(32.57％);第一志愿70名(40.00％),非第一志愿39名(22.30％),调剂66名(37.70％).其中32.4％的学生对该专业职业发展方向较明确,20.2％的学生对专业的发展渊源了解不深;69.7％的学生认为本专业对医疗卫生领域的发展有促进作用,71.3％的学生表示愿意在实训课程投入精力,16.6％的学生不太使用MOOC、网络等方式学习专业知识.男生专业投入水平高于女生(P＜0.05);低年级学生专业情感水平、专业投入水平高于高年级学生(P＜0.05);城市学生专业认识水平高于农村学生(P＜0.05).不同录取方式的学生专业情感水平不同(P＜0.05).结论:信息管理与信息系统专业学生对专业尚缺乏全面了解.建议在加强专业知识教育和就业指导的同时,采取多样化的网络方式辅助教学.

摘要： 学前教育是我们教育事业的重要组成部分,学前教育学生对这个专业的认同度会影响到专业的建设和学生专业能力的提升,学生在专业认识,专业情感,专业意志和专业行为上的表现能够影响学生对专业的认同度,因此,提高学生的专业认识和专业情感是非常重要的.

摘要： 高职院校是我国培养应用型、技术型人才的摇篮,高职院校的课程以市场和就业为导向,高职院校教师的专业素养与市场、企业的发展密不可分.高职院校的计算机教师,不仅要教给学生实时的、实用的专业理论及实践操作知识,还要培养学生的综合素质.为了培养出适合现代社会需要的高素质应用型技能型人才,高职院校的计算机教师必须提高自身的专业素养,掌握行业新知识、新技能,具有丰富的知识底蕴和全新的教育教学方法,增加课堂教学的趣味性,提高教育教学效果.

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。