情感感情計算可以在哪些范疇應用呢(情感感情計算的研究現狀)

一：何謂情感感情計算?探討一下情感感情計算的應用場景。

情感感情計算事實上指的就是在交往的時刻我們的感情付出，他是一個怎樣的一個層次和深度。

二：情感感情計算范疇有哪些標準?

有許多，但在近期舉辦的ISO/IECJTC1/SC35德國柏林會議上，由中國科學院軟件研究所、中國電子技術標準化研究院、小i機器人三傢裡國科研機構和企業共同提出來的“信息技術—情感感情計算用戶界面—框架”提案獲得正式立項。這是用戶界面分委會首個關於情感感情計算的標準，也是中國在用戶界面范疇第一個立項的國際標準。

三：人工智能技術應用:情感感情分析概述

和其它的人工智能技術相比，情感感情分析(Sentiment Analysis)顯得有些特殊，由於其他別的范疇都是依據客觀的數據來進行分析和預測推算，但情感感情分析則帶有強烈的個人主觀因素。情感感情分析的目標是從文本中分析出人們對於實體及其屬性所表達的感情傾向以及看法，這項技術最早的研究始於2003年Nasukawa和Yi兩位學者的關於商品評論的論文。

隨著推特等社交媒體以及電商平臺的發展而產生大量帶有看法的內容，給情感感情分析提供瞭所需的數據基礎。時至今日，情感感情識別已經在多個范疇被普遍的應用。例如在商品零售范疇，用戶的評價對於零售商和生產商都是很重要的反饋信息，通過對海量用戶的評價進行情感感情分析，可以量化用戶對產品及其競品的褒貶程度，從而瞭解用戶對於產品的訴求以及自己產品與競品的對比優劣。在社會輿情范疇，通過分析大眾對於社會熱點事件的點評可有效的掌握輿論的走向。在企業輿情方面，利用情感感情分析可以快速瞭解社會對企業的評價，為企業的戰略規劃提供決策根據，提升企業在市場中的競爭角逐力。在金融交易范疇，分析交易者對於gupiao及其他金融衍生品的態度，為行情交易提供輔助根據。

目前，絕大都的人工智能開放平臺都具備情感感情分析的能力，如圖所示是玻森中文語義開放平臺的感情分析功能演示，可以看出除瞭通用范疇的感情分析外，還有汽車、廚具、餐飲、新聞和微博幾個特定范疇的分析。

那麼到底何謂情感感情分析呢？從自然語言處理技術的角度來看，情感感情分析的任務是從評論的文本中提取出評論的實體，以及評論者對該實體所表達的感情傾向，自然語言所有的核心技術問題，例如：詞匯語義，指代消解，此役小氣，信息抽取，語義分析等都會在情感感情分析中用到。因此，情感感情分析被看作是一個自然語言處理的子任務，我們可以將人們對於某個實體目標的感情統一用一個五元組的格式來預示：(e，a，s，h，t)

以圖為例，e是指某餐廳，a為該餐廳的性價比屬性，s是對該餐廳的性價比預示瞭褒義的評價，h為發表評論者本人，t是19年7月27日。所以這條評論的感情分析可以預示為五元組（某餐廳，性價比，正向褒義，評論者，19年7月27日）。

情感感情分析依據處理文本顆粒度的區別，大體可以分為三個級別的任務，分別為篇章級、句子級和屬性級。我們分別來看一下。

1、 篇章級情感感情分析

篇章級情感感情分析的目標是判斷整篇文檔表達的是褒義還是貶義的感情，例如一篇書評，或者對某一個熱點時事新聞發表的評論，隻要待分析的文本超過瞭一句話的范圍，即可看成是是篇章級的感情分析。

對於篇章級的感情分析來講有一個前提假設，那就是全篇章所表達的看法僅針對一個獨立的實體e，且隻蘊含一個看法持有者h的看法。這種做法將整個文檔看成是一個整體，不對篇章中蘊含的具體實體和實體屬性進行研究，使得篇章級的感情分析在實際應用中比較局限，無法對一段文本中的多個實體進行獨立分析，對於文本中多個看法持有者的看法也無法辨別。

例如評價的文本是：“我認為這款手機很棒。”評價者表達的是對手機整體的褒義評價，但假如是：“我認為這款手機拍照功能很不錯，但信號不是很好”如此的句子，在同一個評論中出現瞭褒義詞又出現瞭貶義詞，篇章級的分析是無法分辨出來的，隻能把它作為一個整體進行分析。

不過好在有許多的場景是不需要區分看法評價的實體和看法持有者，例如在商品評論的感情分析中，可以默認評論的對象是被評論的商品，評論的看法持有者也是評論者本人。當然，這個也需要看被評論的商品具體是哪些東西，假如是親子旅遊如此的旅遊服務，那麼評論中就很有可能蘊含一個以上的看法持有者。

在實際工作中，篇章級的感情分析無法滿足我們對於評價更細致，假如需要對評論進行更精確，更細致的分析，我們需要拆分篇章中的每一句話，這便是句子級的感情分析研究的問題。

2、 句子級情感感情分析

與篇章級的感情分析類似，句子級的感情分析任務是判斷一個句子表達的是褒義還是貶義的感情，固然顆粒度到瞭句子層級，但是句子級分析與篇章級存在同樣的前提假設是，那就是一個句子隻表達瞭一個看法和一種情感感情，並且僅有一個看法持有人。假如一個句子中蘊含瞭兩種以上的評價或多個看法持有人的看法，句子級的分析是無法分辨的。好從實際生活之中，絕大都的句子都隻表達瞭一種情感感情。

既然句子級的感情分析在局限性上與篇章級是一樣的，那麼進行句子級的感情分析意義何在呢？關於這個問題，需要先解釋一下語言學上主觀句與客觀句的分別。在我們日常用語當中，依據語句中是否帶有說話人的主觀情感感情可以將句子分為主觀句和客觀句，例如：“我喜歡這款新手機。”就是一個主觀句，表達瞭說話人內心的感情或看法，而：“這個APP昨天更新瞭新功能。”則是一個客觀句，陳述的是一個客觀事實性信息，並不蘊含說話人內心的主觀情感感情。通過分辨一個句子是否是主觀句，可以幫助我們過濾掉一部分不含情感感情的句子，讓數據處理更有效率。

但是在實操過程中，我們會發現如此的分類方法好像並不是特別準確，由於一個主觀句也可能沒有表達任何的感情信息，知識表達瞭期望或者猜測，例如：“我認為他此刻已經在回傢的路上瞭。”這句話是一個主觀句，表達瞭說話人的猜測，但是並沒有表達出任何的感情。而客觀句也有可能蘊含情感感情信息，表明說話者並不希望這個事實發生，例如：“昨天剛買的新車就被人刮花瞭。”這句話是一個客觀句，但結合常識我們會發現，這句話中其實也就是說是蘊含瞭說話人的負面情感感情。

所以，僅僅對句子進行主客觀的分類還不足以達到對數據進行過濾的要求，我們需要的是對句子是否含有情感感情信息進行分類，假如一個句子直接表達或隱含瞭情感感情信息，則認為這個句子是含有情感感情看法的，對於不含情感感情看法的句子那麼可以進行過濾。目前對於句子是否含有情感感情信息的分類技術通常都是采用有監督的學習算法，這一個方法需要大量的人工標註數據，基於句子特征來對句子進行分類。

也就是說，我們可以將句子級的感情分析分成兩步，第一步是判斷待分析的句子是否含有看法信息，第二步則是針對這幾個含有看法信息的句子進行情感感情分析，發現其中情感感情的傾向性，判斷是褒義還是貶義。關於分析情感感情傾向性的方法與篇章級類似，依然是可以采用監督學習或依據情感感情詞詞典的方法來處理，我們會在後續的小節詳細講解。

句子級的感情分析相較於篇章級來講，顆粒度更加細分，但同樣隻能判斷整體的感情，忽視瞭對於被評價實體的屬性。同時它也無法判斷比較型的感情看法，例如：“A產品的用戶體驗比B產品好多瞭。”對於這樣一句話中表達瞭多個情感感情的句子，我們不能將其簡單容易的歸類為褒義或貶義的感情，而是需要更進一步的細化顆粒度，對評價實體的屬性進行抽取，並且將屬性與相關實體之間進行關聯，這便是屬性級情感感情分析。

3、 屬性級情感感情分析

上文介紹的篇章級和句子級的感情分析，都無法確切的知道評價者喜歡和不心愛的具體是哪些東西，並且也無法區分對某一個被評價實體的A屬性持褒義傾向，對B屬性卻持貶義傾向的情況。但在實際的語言表達中，一個句子中可能蘊含瞭多個不同情感感情傾向的看法，例如：“我喜歡這傢餐廳的裝修風格，但菜的味道卻很一般。”類似於如此的句子，很難通過篇章級和句子級的感情分析獲悉到對象的屬性層面。

為瞭在句子級分析的基礎上更加細化，我們需要從文本中發現或抽取評價的對象主體信息，並依據文本的上下文判斷評價者針對每一個屬性所表達的是褒義還是貶義的感情，這種就叫作屬性級的感情分析。屬性級的感情分析關註的是被評價實體及其屬性，包括評價者以及評價時間，目標是挖掘與發現評論在實體及其屬性上的看法信息，使之能夠生成有關目標實體及其屬性完整的五元組看法摘要。具體到技術層面來看，屬性級的感情分析可以分為以下6個步驟：

關於文本中的實體抽取和指代消解問題，我們經過努力已經在知識圖譜的相關章節中做瞭介紹，這裡就不再贅述。針對篇章級、句子級、屬性級這三種類型的感情分析任務，人們做瞭大量的研究並提出瞭許多分類的方法，這類辦法大體可以分為基於詞典和基於機器學習兩種，下面我們進行詳細的講解。

做情感感情分析離不開情感感情詞，情感感情詞是承載情感感情信息最基本的單元，除瞭基本的詞之外，一些蘊含瞭情感感情含義的短語和成語我們也將其統一叫作情感感情詞。基於情感感情詞典的感情分析方法，著重是基於一個蘊含瞭已標註的感情詞和短語的詞典，在這個詞典中包括瞭情感感情詞的感情傾向以及情感感情強度，一般將褒義的感情標註為正數，貶義的感情標註為負數。

具體的步驟如圖所示，first of all將待分析的文本先進行分詞，並對分詞後的結果做去除停用詞和無用詞等文本數據的預處理。緊接著將分詞的結果與情感感情詞典中的詞進行匹配，並依據詞典標註的感情分對文本進行加法計算，最終的計算結果假如為正則是褒義情感感情，假如為負則是貶義情感感情，假如為0或情感感情傾向不明顯的得分則為中性情感感情或無情感感情。

情感感情詞典是整個分析程序的核心，情感感情詞標註數據的好賴直接決定瞭情感感情分類的結果，在這方面可以直接采用已有的開源情感感情詞典，例如BosonNLP基於微博、新聞、論壇等數據來源構建的感情詞典，知網（Hownet）情感感情詞典，大學簡體中文情感感情極性詞典（NTSUSD），snownlp框架的詞典等，同樣也可以使用哈工大整理的近義詞詞林拓展詞典作為輔助，通過這個詞典能找到情感感情詞的近義詞，拓展情感感情詞典的范疇。

當然，我們也可以依據業務的需要來自己訓練情感感情詞典，目前主流的感情詞詞典有三種構建方法：人工方法、基於字典的方法和基於語料庫的方法。對於情感感情詞的感情賦值，最簡單容易的方法是將所有的褒義情感感情詞賦值為+1，貶義的感情詞賦值為-1，最後進行相加得出情感感情分析的結果。

但是這種賦值方式顯然不符合實際的需求，在實際的語言表達中，存在著很多很多的表達方式可以改變情感感情的強度，最典型的就是程度副詞。程度副詞分為兩種，一種是可來增強情感感情詞原本的感情，這種叫作情感感情加強詞，例如“很好”相較於“好”的感情程度會更強烈，“特別好”又比“很好”更強。另外一種是情感感情減弱詞，例如“沒那麼好”固然也是褒義傾向，但情感感情強度相較於“好”會弱許多。假如出現瞭增強詞，則需要在原來的賦值基礎上增添情感感情得分，假如出現瞭減弱詞則需要減少對應的情感感情得分。

另一種需要註意和提防的情況是否定詞，否定詞的出現一般會改變情感感情詞原本的感情傾向，變為相反的感情，例如“不好”就是在“好”前面加上瞭否定詞“不”，使之變成瞭貶義詞。早期的研究會將否定詞搭配的感情詞直接取相反數，即假如“好”的感情傾向是+1，那麼“不好”的感情傾向就是-1。但是這種簡單粗暴的規則無法對應上真實的表達情感感情，例如“太好”是一個比“好”褒義傾向更強的詞，假如“好”的值為+1，那麼“太好”可以賦值為+3，加上否定詞的“不太好”變成-3則顯然有點過於貶義瞭，將其賦值為-1或者-0。5可能更合適。

基於這樣的狀況，我們可以對否定詞也添加上程度的賦值而不是簡單容易的取相反數，對於表達強烈否定的詞例如“不那麼”賦值為±4，當遇見與褒義詞的組合時褒義詞則取負數，與貶義詞的組合則取正數，例如貶義詞“難聽”的賦值是-3，加上否定詞變成“不那麼難聽”的感情得分就會是（-3+4=1）。

第三種需要註意和提防的情況是條件詞，假如一個條件詞出此刻句子中，則這個句子非常可能不太適宜用來做情感感情分析，例如“假如我明天可以去旅行，那麼我一定則非常開心。”，在這句話中有明顯的褒義情感感情詞，但是由於存在條件詞“假如”，使得這個句子的並沒有表達看法持有者的真實情感感情，而是一種假設。

除瞭條件句之外，還有一種語言表達也是需要在數據預處理階段進行排除的，那就是疑問句。例如“這個餐廳真的有你說的那麼好嗎？”，固然句子中出現瞭很強烈的褒義情感感情詞“那麼好”，但依然不能將它分類為褒義句。疑問句通常會有固定的結尾詞，例如“……嗎？”或者“……麼？”，但是也有的疑問句會省略掉結尾詞，直接使用標點符號“？”，例如“你今日是不是不開心？”，這個句子中含有否定詞和褒義詞組成的“不開心”，但不能將其分類為貶義情感感情。

最後一種需要註意和提防的情況是轉折詞，典型詞是“但是”，出此刻轉折詞之前的感情傾向通常與轉折詞之後的感情傾向相反，例如：“我上次在這傢酒店的住宿體驗特別好，但是這次卻讓我很失望。”在這個轉折句中，轉折詞之前的“特別好”是一個很強的褒義詞，但真實的感情表達卻是轉折詞之後的“很失望”，最終應該將其分類為貶義情感感情。當然，也存在出現瞭轉折詞，但語句本身的感情並沒有發生改變的情況，例如“你這次考試比上次有瞭很大的進步，但是我認為你能夠做得更好”，此處的轉折詞沒有轉折含義，而是一種遞進含義。在實際操作中，我們所以需要先判斷轉折句真實的感情表達究竟是哪個，才能進行正確的分析計算。

構建情感感情詞典是一件比較耗費人工的事情，除瞭上述需要註意和提防的問題外，還存在精確準確度不高，新詞和網絡用語難以快速收錄進詞典等問題。同時基於詞典的分析方法也存在許多的局限性，例如一個句子可能出現瞭情感感情詞，但並沒有表達情感感情。或者一個句子不含任何情感感情詞，但卻包含瞭說話人的感情。以及部分情感感情詞之寓意會隨著上下文語境的變化而變化的問題，例如“精明”這個詞可以作為褒義詞誇獎他人，也可以作為貶義詞批評他人。

盡管目前存在諸多問題，但基於字典的感情分析方法也有著不可取代的優勢，那就是這種分析方法通用性較強，大都情況下無需特別的范疇數據標註就能夠分析文本所表達的感情，對於通用范疇的感情分析可以把它作為首選的方案。

我們在機器學習算法的章節介紹過許多分類算法，例如邏輯回歸、樸素貝葉斯、KNN等，這幾個算法都可以 使用於情感感情識別。具體的做法與機器學習一樣需要分為兩個步驟，第一步是依據訓練數據構建算法模型，第二步是將測試數據輸入到算法模型中輸出相應的結果，接著下面做具體的講解。

first of all，我們需要備上一些訓練用的文本數據，並人工給這幾個數據做好情感感情分類的標註，通常的做法下，假如是褒義和貶義的兩分類，則褒義標註為1，貶義標註為0，假如是褒義、貶義和中性三分類，則褒義標註為1，中性標註為0，貶義標註為-1、

在這一環節中假如用純人工方法來進行標註，也許會由於個人主觀因素對標註的結果造成一定作用與影響，為瞭避開人的因素帶來的作用與影響，也為瞭提高標註的效率，有一些其他取巧的方法來對數據進行自動標註。打比方說在電商范疇中，商品的評論除瞭文本數據之外通常還會帶有一個5星的等級評分，我們可以依據用戶的5星評分作為標註根據，假如是1-2星則標註為貶義，假如是3星標註為中性，4-5星標註為褒義。又打比方說在社區范疇中，許多社區會對帖子有贊和踩的功能，這一數據也可以作為情感感情標註的參考根據。

第二步是將標註好情感感情傾向的文本進行分詞，並進行數據的預處理，前文已經對分詞有瞭許多的介紹，這裡就不再過多的贅述。第三步是從分詞的結果中標註出具備情感感情特征的詞，這裡特別說一下，假如是對情感感情進行分類，不妨參考情感感情詞典進行標註，也可以采用TF-IDF算法自動抽取出文檔的特點詞進行標註。假如分析的是某個特定范疇的，還need標註出特定范疇的詞，例如做商品評價的感情分析，需要標註出商品名稱，品類名稱，屬性名稱等。第四步依據分詞統計詞頻構建詞袋模型，形成特征詞矩陣，如表所示。在這一步可以依據業務需要給每個特征詞付與權重，並通過詞頻乘以權重得到特征詞分數。最後一步就是依據分類算法，將特征詞矩陣作為輸入數據，得到最終的分類模型。

當訓練好分類模型之後，就能夠對測試集進行分類瞭，具體的程序與建模程序類似，先對測試的文本數據進行分詞並做數據預處理，緊接著依據特征詞矩陣抽取測試文本的特點詞構建詞袋矩陣，並且將詞袋矩陣的詞頻數據作為輸入數據代入之前訓練好的模型進行分類，得到分類的結果。

采用基於機器學習的方法進行情感感情分析有以下幾個不足之處，第一是每一個應用范疇之間的語言描述差別致使瞭訓練得到的分類模型不能應用和其它的范疇，需要獨立構建。第二是最終的分類效果取決於訓練文本的選擇以及正確的感情標註，而人對於情感感情的理解帶有主觀性，假如標註出現偏差就會對最終的結果產生作用與影響。

除瞭基於詞典和基於機器學習的方法，也有一些學者將兩者結合在一直使用，彌補補充兩種方法的缺點，比獨立采用一種方法的分類效果要更好，另外，也有學者try使用基於LSTM等深度學習的方法對情感感情進行分析，相信在未來，情感感情分析會應用在更加的多的產品中，幫助我們更好的理解用戶需求，提升用戶使用智能產品的體驗。

隨著深度神經網絡等算法的應用，情感感情分析的研究方向已經有瞭特別大的進展，但依然存在著一些難題是目前尚未解決的，在實操過程中需特別註意和提防以下幾種類型數據：

情緒輪在用戶體驗設計上被普遍的應用，許多情感感情化設計都是基於情緒輪進行的。但是在人工智能范疇，將情緒進行多分類比情感感情分析的三分類任務要難得多，目前大都分類方法的結果準確性都不到50%。這是由於情緒本身蘊含瞭太多的類別，並且不同的類別之間又可能具有相似性，一個情緒詞在不同的語境下有可能表達的是不一樣的情緒類別，算法很難對其進行分類。即便是人工對文本進行情緒類別標註也常常效果不佳，由於情緒是非常主觀性的，不同的人對不同的文本可能產生不同的理解，這使得人工標註情緒類比的過程異常困難。怎樣讓機器可以理解真實的情緒目前還是一個未能攻克的難題。

四：以下哪些屬於情感感情計算研究方向

對人的感情。是指在開發一個系統時，假如夠對人類的感情進行偵測、分類、組織和回應，就幫助使用者獲得高效而又親切的體驗感覺，這種開發也可以由特殊點額用途，能夠幫助人們便於理解自己和他人的感情世界。這一類型的系統和應用被稱為情感感情計算。

五：情感感情計算的“情感感情計算”的基本內容

人們期盼著能擁有並使用更為人性化和智能化的計算機。在人機交互中，從人操作計算機，變為計算機輔助人；從人圍著計算機轉，變為計算機圍著人轉；計算機從認知型，變為直覺型。顯然，為實現這幾個轉變，人機交互中的計算機應具有情感感情能力。情感感情計算研究就是試圖創建一種能感知、識別和理解人的感情，並能針對人的感情做出智能、靈敏、友好反應的計算系統。

情感感情被用來預示各種不一樣的內心體驗（如情緒、心境和偏好），情緒被用來預示非常短暫但強烈的內心體驗，而心境或狀態則被用來描述強度低但持久的內心體驗。情感感情是人與環境之間某種關系的維持或改變，當客觀事物或情境與人的需要和願望符合時會引起人積極肯定的感情，而不符合時則會引起人消極否定的感情。

情感感情具有三種成分：⑴主觀體驗，即個體對不同情感感情狀態的自我感受；⑵外部表現，即表情，在情感感情狀態發生時身體各部分的動作量化形式。表情包括面部表情（面部肌肉變化所組成的模式）、姿態表情（身體其他部分的表情動作）和語調表情（言語的聲調、節奏、速度等方面的變化）；⑶生理喚醒，即情感感情產生的生理反應，是一種生理的激活水平，具有不同的反應模式。

概括來講，情感感情的重要作用主要表此刻四個方面：情感感情是人適應生存的心理工具，能激發心理活動和行為的動機，是心理活動的組織者，也是人際通信交流的重要手段。從生物進化的角度我們可以把人的情緒分為基本情緒和復雜情緒。基本情緒是先天的，具有單獨的神經生理機制、內部體驗和外部表現，以及不同的適應功能。人有五種基本情緒，它們分別為當前目標取得進展時的快樂，自我保護的目標受到威脅時的焦慮，當前目標不能實現時的悲傷，當前目標受挫或遭遇阻礙時的憤怒，以及與味覺（味道）目標相違背的厭惡。而復雜情緒則是由基本情緒的區別組合派生出來的。

情感感情測量包括對情感感情維度、表情和生理指標三種成分的測量。例如，我們要明確一自個的焦慮水平，應該使用問卷測量其主觀感受，通過記錄和分析面部肌肉活動測量其面部表情，並用血壓計測量血壓，對血液樣本進行化驗，檢測血液中腎上腺素水平等。

確定情感感情維度對情感感情測量有重要意義，由於隻有確定瞭情感感情維度，才能對情感感情體驗做出較為準確的評估。情感感情維度具有兩極性，例如，情感感情的激動性可分為激動和平靜兩極，激動指的是一種強烈的、外顯的感情狀態，而平靜指的是一種平安穩定安靜的感情狀態。心理學的感情維度理論認為，幾個維度組成的空間包括瞭人類所有的感情。但是，情感感情到底是二維，三維，還是四維，研究者們並未達到完成共識。情感感情的二維理論認為，情感感情有兩個重要維度：⑴愉悅度（也有人提出用趨近-逃避來代替愉悅度）；⑵激活度，即與情感感情狀態相聯系的機體能量的程度。研究發現，驚反射可用做測量愉悅度的生理指標，而皮膚電反應可用做測量喚醒度的生理指標。

在人機交互研究中已使用過許多種生理指標，例如，皮質醇水平、心率、血壓、呼吸、皮膚電活動、掌汗、瞳孔直徑、事件相關電位、腦電EEG等。生理指標的記錄需要特定的設備和技術，在進行測量時，研究者有時很難分離各種混淆因素對所記錄的生理指標的作用與影響。情感感情計算研究的內容包括三維空間中動態情感感情信息的實時獲取與建模，基於多模態和動態時序特征的感情識別與理解，及其信息融合的論理與方法，情感感情的自動生成理論及面向多模態的感情表達，以及基於生理和行為特征的大規模動態情感感情數據資源庫的建立等。

歐洲和美國的各大信息技術實驗室正加緊進行情感感情計算系統的研究。劍橋大學、麻省理工學院、飛利浦公司等通過實施“環境智能”、“環境識別”、“智能傢庭”等科研項目來開辟這一范疇。例如，麻省理工學院媒體實驗室的感情計算小組研制的感情計算系統，通過記錄人面部表情的攝像機和連接在人身體上的生物傳感器來收集數據，緊接著由一個“情感感情助理”來調節流程以識別人的感情。假如你對電視講座的一段內容展現出困惑，情感感情助理會重放該片段或者給予解釋。麻省理工學院“氧工程”的研究人員和比利時IMEC的一個工作小組認為，開發出一種整合各種應用技術的“瑞士軍刀”或許是提供移動情感感情計算服務的關鍵。而目前國內的感情計算研究重點在於，通過各種傳感器獲取由人的感情所引起的生理及行為特征信號，建立“情感感情模型”，從而創建個人情感感情計算系統。研究內容主要包括臉部表情處理、情感感情計算建模方法、情感感情語音處理、姿態處理、情感感情分析、自然人機界面、情感感情機器人等。

情境化是人機交互研究中的新熱點。自然和諧的智能化的人機界面的溝通能力特征包括：⑴自然溝通：能看，能聽，能說，能觸摸；⑵主動溝通：有預期，會提問，並及時調整；⑶有效溝通：對情境的變化敏感，理解用戶的情緒和意圖，對不同用戶、不同環境、不同任務給予不同反饋和支持。而實現這幾個特征在相當大的程度上依賴於心理科學和認知科學對人的智能和情感感情研究所取得的新進展。我們需要知道人是怎樣感知環境的，人會產生怎樣的情感感情和意圖，人怎樣做出恰當的反應，從而幫助計算機正確感知環境，理解用戶的感情和意圖，並做出合適反應。因此，人機界面的“智能”不但應有高的認知智力，也應有高的情緒智力，從而有效地解決人機交互中的情境感知問題、情感感情與意圖的產生與理解問題，以及反應應對問題。

顯然，情感感情交流是一個復雜的過程，不但受時間、地點、環境、人物對象和經歷的作用與影響，而且有表情、語言、動作或身體的接觸。在人機交互中，計算機需要捕捉關鍵信息，覺察人的感情變化，形成預期，進行調整，並做出反應。例如，通過對不同類型的用戶建模（例如，操作方法、表情特點、態度喜好、認知風格、知識背景等），以識別用戶的感情狀態，利用有效的線索選擇適合的用戶模型（例如，依據可能的用戶模型主動提供相應有效信息的預期），並以適合當前類型用戶的方式呈現信息（例如，呈現方式、操作方法、與知識背景有關的決策支持等）;在對目前的操作做出即時反饋的同時，還要對情感感情變化背後的意圖形成新的預期，並激活對應的數據庫，及時主動地提供用戶需要的新信息。

情感感情計算是一個高度綜合化的技術范疇。通過計算科學與心理科學、認知科學的結合，研究人與人交互、人與計算機交互過程中的感情特點，設計具有情感感情反饋的人機交互環境，將有可能實現人與計算機的感情交互。迄今為止，有關研究已在人臉表情、姿態分析、語音的感情識別和表達方面取得瞭一定的進展。

目前情感感情計算研究面臨的挑戰仍為多方面的：⑴情感感情信息的獲取與建模，例如，細致和準確的感情信息獲取、描述及參數化建模，海量的感情數據資源庫，多特征融合的感情計算理論模型；⑵情感感情識別與理解，例如，多模態的感情識別和理解；⑶情感感情表達，例如，多模態的感情表達（圖像、語音、生理特征等），自然場景對生理和行為特征的作用與影響；⑷自然和諧的人性化和智能化的人機交互的實現，例如，情感感情計算系統需要將大量廣泛分佈的數據整合，緊接著再以個性化的方式呈現給每個用戶。

情感感情計算有廣泛的應用前景。計算機通過對人類的感情進行獲取、分類、識別和響應，進而幫助使用者獲得高效而又親切的體驗感覺，並有效減輕人們使用電腦的挫敗感，甚至幫助人們理解自己和他人的感情世界。計算機的感情化設計可以幫到我們增添使用設備的安全性，使經驗人性化，使計算機作為媒介進行學習的功能達到最佳化。在信息檢索中，通過情感感情分析的概念解析功能，可以提高智能信息檢索的精度和效率。

展望現代科技的潛力，我們預期在未來的world世界中將也許會充滿運作良好、操作容易、甚至具有情感感情特點的計算機。

六：情感感情計算范疇有哪些標準?

有許多，但在近期舉辦的ISO/IECJTC1/SC35德國柏林會議上，由中國科學院軟件研究所、中國電子技術標準化研究院、小i機器人三傢裡國科研機構和企業共同提出來的“信息技術—情感感情計算用戶界面—框架”提案獲得正式立項。這是用戶界面分委會首個關於情感感情計算的標準，也是中國在用戶界面范疇第一個立項的國際標準。