人工情感的国外人工情感研究

日本已经形成举国研究“感性工学”的高潮。1996年日本文部省就以国家重点基金的方式开始支持“情感信息的信息学、心理学研究”的重大研究课题，参加该项目的有十几个大学和研究单位，主要目的是把情感信息的研究从心理学角度过渡到心理学、信息科学等相关学科的交叉融合。每年都有日本感性工学全国大会召开。与此同时，一向注重经济利益的日本，在感性工学产业化方面取得了很大成功。日本各大公司竞相开发、研究、生产了所谓的个人机器人（Personal Robot）产品系列。其中，以SONY公司的AIBO机器狗（已经生产6万只，获益近10亿美元）和QRIO型以及SDR－4X型情感机器人为典型代表。日本新开发的情感机器人取名“小IF”，可从对方的声音中发现感情的微妙变化，然后通过自己表情的变化在对话时表达喜怒哀乐，还能通过对话模仿对方的性格和癖好。

美国MIT展开了对“情感计算”的研究，IBM公司开始实施“蓝眼计划”和开发“情感鼠标”；2008年4月美国麻省理工学院的科学家们展示了他们最新开发出的情感机器人“Nexi”，该机器人不仅能理解人的语言，还能够对不同语言做出相应的喜怒哀乐反应，还能够通过转动和睁闭眼睛、皱眉、张嘴、打手势等形式表达其丰富的情感。这款机器人完全可以根据人面部表情的变化来做出相应的反应。它的眼睛中装备有CCD(电荷耦合器件)摄像机，这使得机器人在看到与它交流的人之后就会立即确定房间的亮度并观察与其交流者的表情变化。

欧洲国家也在积极地对情感信息处理技术（表情识别、情感信息测量、可穿戴计算等）进行研究。欧洲许多大学成立了情感与智能关系的研究小组。其中比较著名的有：日内瓦大学 Klaus Soberer领导的情绪研究实验室。布鲁塞尔自由大学的D Canamero领导的情绪机器人研究小组以及英国伯明翰大学的A Sloman领导的 Cognition and Affect Project。在市场应用方面，德国Mehrdad Jaladi-Soli等人在2001年提出了基于EMBASSI系统的多模型购物助手。EMBASSI是由德国教育及研究部（BMBF）资助并由20多个大学和公司共同参与的，以考虑消费者心理和环境需求为研究目标的网络型电子商务系统。英国科学家已研发出名为“灵犀机器人”（Heart Robot）的新型机器人，这是一种弹性塑胶玩偶，其左侧可以看到一个红色的“心”，而它的心脏跳动频率可以变化，通过程式设计的方式，让机器人可对声音、碰触与附近的移动产生反应。

怎样通过句法分析分析句子情感算法例子？现阶段主要的情感分析方法主要有两类：

基于词典的方法

基于机器学习的方法

基于词典的方法主要通过制定一系列的情感词典和规则，对文本进行段落拆借、句法分析，计算情感值，最后通过情感值来作为文本的情感倾向依据。

基于机器学习的方法大多将这个问题转化为一个分类问题来看待，对于情感极性的判断，将目标情感分类2类：正、负。对训练文本进行人工标标注，然后进行有监督的机器学习过程。例如想在较为常见的基于大规模语料库的机器学习等。

情感计算是为了赋予计算机识别、理解、表达和适应人类情感的能力，以此实现高效、亲切的人机交互。人类情感有着表情、语音、生理信号等多种载体，进行多模态情感识别研究可以促进情感计算的发展，而多模态情感识别研究需要多模态情感数据库的支持。当前的情感数据库多是单模态的，虽有少量的多模态数据库但是还存在着一些不足的地方。因此设计并建立一个包含平静、高兴、惊奇、厌恶、伤心、生气、害怕7种情感的多模态情感数据库具有重要的理论意义。<br> 本文首先设计了同步采集表情、语音、前额脑电信号三种模态数据的采集方案，筛选影视素材并制作了情感

计算情感分析得分函数是预处理文本数据。

1、预处理文本数据，如去除停用词、标点符号等，进行分词和词性标注，将文本转化为计算机可处理的形式。

2、构建情感词典或使用现有的情感词典，将文本中的词语与情感词典进行匹配，计算文本中包含正面、负面和中性情感词汇的数量和权重。

3、根据算法模型，计算文本的情感极性得分，通常使用的是情感极性得分的加权平均值或者概率值。