May, 2023

基于引导叙事的心理组成部分的情感识别用于情感调节

PDF
TL;DR本研究使用新的情感叙事法和机器学习方法，基于 Component Process Model 的理论框架，研究了由行为、感觉、思考和场域组成的情感构成，证明了每个情感组成都对情感分类有积极影响，同时考虑所有情感组成的综合表现是最佳的，利用预训练语言模型来预测离散情感是有效的，揭示了情感组成表达方式的不同之处。
emotion regulationcomponent process modelmachine learningpre-trained language modelsdiscrete emotion
发现论文，激发创造
  • 通过交互式虚拟现实游戏在复合空间中探索情绪

    通过使用交互式虚拟现实（VR）游戏和采集多模态数据（自我报告、生理和面部信号），我们使用机器学习方法确定了每个组成部分对情绪区分的独特贡献，并发现至少需要五个维度来表示我们的数据集中情绪的变化。这些发现对于在情绪研究中使用 VR 环境以及情绪识别中生理信号的作用具有重要意义。

    Apr, 2024

  • 情感感知叙事中主角情感建模

    本研究使用神经叙事方法对情感轨迹进行了建模，包括情感监督和两个情感增强模型。经过自动化和手动评估，这些模型在生成故事的情感路线方面比基线方法具有显著优势，而且不会降低故事的质量。

    Oct, 2020

  • 自然语言处理用于情感认知分析

    本研究介绍一种新的情感分析标注方法，提出一种基于自传故事纪录的情感分析的数据集，探索了使用基于规则的自动标注方法来标注情感及其语义角色，以便教练识别相关方面，并探讨了基于图结构的情感分析的未来方向。

    Oct, 2022

  • 情绪角色标注与基于评价的情绪分析的连接

    情感分析涵盖了各种自然语言处理任务，其共同目标是使计算机能够理解情感。本文综合了 SEAT 和 CEAT 项目的研究结果，并指出了开放性研究问题。

    Sep, 2023

  • 利用表征学习增强情感认知模型

    本研究提出了一种新型深度学习框架，用于生成细粒度情感的嵌入式表示，可用于计算描述情感心理模型。通过与多头探测模型集成的上下文嵌入编码器，可以动态地学习情感表示并优化情感分类任务，评估结果表明可以达到最先进的 32 种情感分类。最后结合情感图生成情感轮并增强丢失的情感状态模型价值。

    Apr, 2021

  • 在复杂故事中建模情感：斯坦福情感叙事数据集

    本文通过时间序列建模和高质量数据集的采集来建立动态情感刺激的模型，在此基础上介绍第一版本的斯坦福情感叙述数据集（SENDv1）。该数据集是自我节奏、非手稿的丰富、多模态视频，标注情感质量随时间的变化，为情感计算的当代时间序列方法提供了挑战，并通过多种基准和最先进的建模方法展示了良好的表现。

    Nov, 2019

  • 利用 Transformer 和弱监督学习建模书面故事中的情感轨迹

    通过研究连续情感评价模型，我们收集、分析了儿童故事中的情感内容，提出了一种弱监督学习的方法来预测故事情感变化的连续值，通过 DeBERTa 模型改进，达到了较高的相关性和有效性。

    Jun, 2024

  • 使用评价理论进行情感维度建模：语料库创建、注释可靠性和预测

    该研究分析了评估理论作为一种情感分析方法的适用性，结果表明评估概念可以可靠地由人工注释和文本分类器恢复，并且可以帮助确定情感类别，因此评估理论构成了一种替代的计算情感分析范式，并进一步提高了联合模型在文本情感分类中的表现。

    Jun, 2022

  • 医学叙事文章情感分类任务中风格特征分析

    运用构式语法与系统功能语法理论以及深度学习计算框架建模不同方面的情感语言，通过对预科生写的仿真病人 - 医生互动对话的 440 篇论文进行分类，研究这种新方法在共情计算任务方面的应用潜力。

    Feb, 2023

  • EERPD：利用情绪和情绪调节提升个性检测

    基于情绪调节的新的个性预测方法 EERPD 组合情绪特征和个性特征，从文本中提取少样本示例并提供 CoTs 过程，改善个性预测表现，显著提高了个性检测准确性和鲁棒性。

    Jun, 2024