本文介绍情感计算的重要性、方法和结果，着重探讨了机器学习和混合现实在情感计算中的应用，研究了最新的方法和数据资源，并讨论了情感计算在各种应用领域中的显著影响，从而帮助未来学者更好地理解情感计算的重要性和实用性。

May, 2023

本文在交互式多模态和情感计算交叉领域进行了研究，探讨了计算机识别和表达情感现象的能力，并发现了研究的主要重点和不足之处。通过分析大量文献，我们发现研究主要集中在如何使计算机能够识别和表达情感现象，而缺乏人工智能系统通过情感和情绪预测增强对人类社交行为和认知状态的理解的研究。

May, 2023

介绍了 AICA 的发展历程及其三个主要挑战，即情感差距、感知主观性和标签噪声与缺失。总结和比较了情感特征提取、学习方法以及 AICA 应用的代表性方法。同时，探讨了未来的挑战和应用前景。

Jun, 2021

本文探讨了情感计算领域中个性化的必要性，并对 state-of-the-art 的方法进行了综述和分类，包括针对特定目标的模型、群组特定模型、加权方法、微调方法、多任务学习、生成模型和特征增强。此外，文章还对文献进行了统计分析，提供了路线图供其他研究者参考。

Apr, 2023

该论文综述了应用于游戏的情感计算原理、方法和工具的最新研究现状，并通过情感循环的四个核心阶段：游戏情感唤起、游戏情感感知、游戏情感检测和游戏情感适应，对这个新兴领域进行了回顾。此外，我们还提供了一个用于分类考察情感游戏循环的术语、方法和方法的体系，并在这个分类体系中定位了该领域。接下来，我们全面审查了与游戏接口、传感器、注释协议和可用语料库相关的可用情感数据收集方法。论文最后讨论了情感游戏计算的当前限制以及我们对该领域最有前景的未来研究方向的展望。

Sep, 2023

情感计算是一门研究领域，专注于开发能够理解、解释和响应人类情感的系统和技术。本研究主要针对公开可用的情感标签数据集稀缺和不平衡的问题，通过合并这些数据集以及采用各种语音数据增强技术构建了一个均衡的语料库，并在语音情感识别方面尝试了不同的架构。最佳系统是一个多模态的语音和基于文本的模型，相对于基准算法的性能为 157.57（不加权准确度 + 加权准确度），而基准算法的性能为 119.66。

Dec, 2023

本文研究了从多个数据来源中学习识别和解释人类情感和主观信息的多模态情感计算问题，提出了一种基于 attention 机制和单词级融合的分层多模态体系结构，以从文本和音频数据中分类识别发言级别的情感和情绪。结果表明，该模型在现有数据集上表现优异。

May, 2018

本文选择 2015 年至 2023 年间发表的论文，系统总结了关于视频情感识别的现有研究趋势，讨论了典型情感模型、常用数据库以及现代单模态和多模态视频情感识别方法的结构和性能，并比较了它们的优缺点。此外，总结了目前视频情感识别项目所面临的主要困难，并指出了未来发展方向，如建立开放基准数据库和改进多模态融合策略。本文旨在帮助学术界和工业界的科学家及时了解视频情感识别领域的最新进展和新发展。

Oct, 2023

本研究旨在通过深度学习和转移学习来提高情感计算中文段落情感识别精度。我们使用改进后的循环神经网络模型，并提出 Sent2affect 模型进行迁移学习。实验结果表明，我们的模型在 6 个基准数据集上表现出色，相对于传统机器学习方法有了显著提升。这些发现对情感计算的应用具有重要的启示意义。

Mar, 2018

人类情感的计算研究涉及各种沟通方式和媒体格式，本文提出了一个统一的计算模型，通过学习共享的情感表示来实现对异质数据和标签类型的协同工作，以提高可重用性、可解释性和灵活性，并且不降低预测质量。

Aug, 2023