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

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

本文综合评估了用于大规模异构多媒体数据的情感计算（AC）技术，包括心理学中广泛采用的典型情绪表示模型和基于手工特征和深度学习方法的代表性方法，并总结了现有算法的可用数据集。最终，我们讨论了多媒体情感计算的一些挑战和未来方向。

Oct, 2019

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

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

本文通过汇总人工智能伦理学和情感识别文献的信息，提出了与自动情感识别相关的 50 个伦理考虑因素，特别关注情感识别对隐私和社会群体的影响，并提出了有关负责任的自动情感识别的关键建议。

Sep, 2021

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

该文综述了情感分析在文学中的应用，包括追踪情节发展的变化、网络分析，以及理解文本的情感等。

Aug, 2018

该研究综述了基于非传感器的情感检测，探讨了最常见的情感状态、传感器发展的方法和技术、CBLEs 和数据样本的定义属性以及关键的研究趋势。尽管该领域已取得了明显的成熟度，但未来的研究仍有很大空间，包括提升非传感器检测模型的性能、积累更多样本来表示少数情感以及识别额外的情感。此外，还需改进模型开发实践和方法，包括比较不同数据采集技术的准确性、确定最佳的持续时间粒度、建立共享的行为记录和情感标签数据库，并公开发布这些模型的源代码。未来的研究还应将模型整合到 CBLEs 中进行实时检测、基于检测到的情感提供有意义的干预措施，并深入了解情感对学习的影响。

Oct, 2023

本研究基于心理测量学的原则，对机器学习应用于情感计算的偏差和公平性进行了论述，讨论了测试公平性和偏置的各种方法和指标，并提供了自动化个性化和招聘推理的案例研究。

May, 2023