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

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

本文介绍如何在计算认知结构中表达情感，并着重讨论了情感新兴属性方面的相互作用研究，得出使用认知式人机交互方法能准确表达人类内部状态和过程的优势结论。

Dec, 2022

研究调查了 745 名受访者，旨在了解不同应用中关于情感技能的期望和偏好。结果表明，在设计情感智能对话代理时，应根据应用的上下文和性质考虑适应性和情境感知。

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

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

本文介绍了一种利用 LSTM 结合口语音频和文本信息对多媒体剪辑中的情感进行识别的多模态神经架构，其优于单模态基线，并在唤起任务中达到了 0.400 的相关性系数和在价值任务中达到了 0.353 的相关系数。

May, 2018