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

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

本文综述了应用于游戏中的人工智能的伦理问题，通过情感循环的组成部分研究了 AI 在游戏开发中所面临的伦理挑战，包括情感的伦理边界，隐私与安全游戏空间之间的权衡，以及透明度与所有权等方面的问题。并呼吁开放性对话和行动，以确保保护用户并引导开发人员为他们的客户提供更安全、更好的体验。

May, 2023

本文旨在探讨情感计算学科中如何通过转化因果关系理论，获得一个可靠的情感本质真实性，并通过在数位游戏领域的实验验证，证明这一方法可以成功侦测异常点并提高情感模型的准确性，是一个关键和决定性的情感建模尝试。

Oct, 2022

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

自动信号解读在情感计算和人类活动识别领域有许多令人印象深刻的应用。本文探讨了通过一组特定信号对认知活动进行识别的可能性，并以参与者所玩游戏的识别作为问题探索的基础。我们构建了三种不同游戏（Space Invaders，Tetris，Tower Defence）和游戏间暂停的分类器，并在参与者独立和依赖于参与者的场景中进行了验证。我们讨论了在依赖于参与者的情况下，基于生物特征的个人识别方面的改进。根据游戏分类的结果，我们考虑了智能监控和个人数据量化方面的潜在应用。

Oct, 2023

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

通过三个实证实验，该研究测试了大语言模型在解决情绪智能任务和模拟情绪方面的能力，并提出并评估了一种基于心理评估研究的视频游戏情绪模拟的新链式情绪架构。结果显示，在用户体验和内容分析指标上，它优于标准的大语言模型架构，从而为基于语言模型中的认知过程构建和测试情感代理提供了早期证据。

Sep, 2023