Jan, 2024

情感框架本体论（EFO）

PDF
TL;DR我们提出了一种基于 OWL 框架的情感本体论，Emotion Frames Ontology (EFO)。该本体论将情感视为语义框架，并采用一组语义角色来捕捉情感体验的不同方面。EFO 遵循基于模式的本体论设计，并与 DOLCE 基础本体论对齐。我们通过将 Ekman 的基本情感理论建模为 EFO-BE 模块，实现如何对情感情况的表示进行自动推理来说明 EFO。我们通过对 Framester 知识图谱中的 BE 情感框架进行词汇化，并实现了基于图形的文本情感检测器来评估 EFO-BE。此外，我们还进行了包括情感语音和情感面部表情在内的多模态数据集的 EFO 集成，以进一步探究跨模态情感语义。
emotionsontologyemotion frames ontologydolceekman's basic emotions
发现论文，激发创造
  • TONE: 一种用于情绪分析的三层本体

    本研究提出了基于 Gerrod Parrot 博士情绪群体的 TONE 情绪本体论，通过半自动化词汇构建过程和自动化方法建立不同情绪之间的联系，开发出可应用于情绪分类的知识基础，并展示了本体论的质量和适用性。

    Jan, 2024

  • 基于上下文和情感嵌入特征的四要素情感认知框架 CEFER

    本文提出了一种同时考虑语境和情感的框架 CEFER（Context and Emotion embedded Framework for Emotion Recognition），提高了对文本中隐含情感的识别准确率。

    Sep, 2022

  • OUS：场景引导的动态面部表情识别

    通过研究场景上下文对动态面部表情识别的影响，我们发现当前的识别方法忽视了情境对表情的影响，我们将之称为刚性认知问题。为了更好地模拟人类认知情绪的方式，我们提出了一种整体理解场景的动态面部表情识别方法（OUS），该方法有效地整合了场景和面部特征，成功地理解了场景背景和情绪表达之间的复杂关系。OUS 在两个最大的动态面部表情识别数据集 DFEW 和 FERV39k 上进行了广泛的实验证明，明显优于现有的方法。

    May, 2024

  • 基于人工智能的面部情绪识别解决方案在教育中的应用研究：对教师用户和其他类别的调查

    AI 人脸情绪识别的教育应用中，教师用户的分类框架和情感教育目标的相关理论对于理解教师和情绪识别技术的关系具有重要意义。

    Aug, 2023

  • EMOCA: 基于情感驱动的单目人脸采集和动画

    研究使用 3D 面部化身进行情感传达，提出了一种新的深度知觉情感一致性丢失训练方法 EMOCA，实现了高保真的面部表情重建和情感传达，可用于分析人类行为。

    Apr, 2022

  • 认知架构中的情感：与人类情感交互中的新兴属性

    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

  • 从活动识别的角度进行情绪识别

    通过探索深度学习体系结构在持续情感识别方面的应用，我们提出了一种新颖的三流端到端深度学习回归流程，其中包含一个注意力机制，该机制是基于多个最先进的动作识别系统的子模块的一种组合设计。定量分析表明，所提出的模型优于情感识别和动作识别模型的多个标准基线。

    Mar, 2024

  • CAGE：环绕情感引导的表达推断

    本研究通过深入比较 AffectNet 和 EMOTIC 两个数据集，提出了一种基于连续 valence 和 arousal 标签的面部表情预测模型，通过将离散类别标签与连续情绪标签结合，显著改善表情推断的性能，取得了在 AffectNet 上的最佳结果，实现了 7% 的较低 RMSE。

    Apr, 2024

  • 内涵框架：基于数据的研究

    通过众包实验和单词分布表示，本文介绍了表示形式 connotation frames，它可以组织单词中的 connotative 关系并分析线上新闻媒体中的潜在偏见。

    Jun, 2015

  • Box$^2$EL: 用于描述逻辑 EL++ 的概念和角色盒嵌入

    提出一种在 Description Logic EL++ 领域中表示学习本体的新方法 Box^2EL，该方法在包括概念和角色在内的箱形物体中表示本体，保留本体的逻辑结构，并在预测子概念、链接和推理时取得最先进的结果。

    Jan, 2023