什么是情感计算？

人们期盼着能拥有并使用更为人性化和智能化的计算机。在人机交互中，从人操作计算机，变为计算机辅助人；从人围着计算机转，变为计算机围着人转；计算机从认知型，变为直觉型。显然，为实现这些转变，人机交互中的计算机应具有情感能力。情感计算研究就是试图创建一种能感知、识别和理解人的情感，并能针对人的情感做出智能、灵敏、友好反应的计算系统。

情感被用来表示各种不同的内心体验（如情绪、心境和偏好），情绪被用来表示非常短暂但强烈的内心体验，而心境或状态则被用来描述强度低但持久的内心体验。情感是人与环境之间某种关系的维持或改变，当客观事物或情境与人的需要和愿望符合时会引起人积极肯定的情感，而不符合时则会引起人消极否定的情感。

情感具有三种成分：⑴主观体验，即个体对不同情感状态的自我感受；⑵外部表现，即表情，在情感状态发生时身体各部分的动作量化形式。表情包括面部表情（面部肌肉变化所组成的模式）、姿态表情（身体其他部分的表情动作）和语调表情（言语的声调、节奏、速度等方面的变化）；⑶生理唤醒，即情感产生的生理反应，是一种生理的激活水平，具有不同的反应模式。

概括而言，情感的重要作用主要表现在四个方面：情感是人适应生存的心理工具，能激发心理活动和行为的动机，是心理活动的组织者，也是人际通信交流的重要手段。从生物进化的角度我们可以把人的情绪分为基本情绪和复杂情绪。基本情绪是先天的，具有独立的神经生理机制、内部体验和外部表现，以及不同的适应功能。人有五种基本情绪，它们分别是当前目标取得进展时的快乐，自我保护的目标受到威胁时的焦虑，当前目标不能实现时的悲伤，当前目标受挫或遭遇阻碍时的愤怒，以及与味觉（味道）目标相违背的厌恶。而复杂情绪则是由基本情绪的不同组合派生出来的。

情感测量包括对情感维度、表情和生理指标三种成分的测量。例如，我们要确定一个人的焦虑水平，可以使用问卷测量其主观感受，通过记录和分析面部肌肉活动测量其面部表情，并用血压计测量血压，对血液样本进行化验，检测血液中肾上腺素水平等。

确定情感维度对情感测量有重要意义，因为只有确定了情感维度，才能对情感体验做出较为准确的评估。情感维度具有两极性，例如，情感的激动性可分为激动和平静两极，激动指的是一种强烈的、外显的情感状态，而平静指的是一种平稳安静的情感状态。心理学的情感维度理论认为，几个维度组成的空间包括了人类所有的情感。但是，情感究竟是二维，三维，还是四维，研究者们并未达成共识。情感的二维理论认为，情感有两个重要维度：⑴愉悦度（也有人提出用趋近-逃避来代替愉悦度）；⑵激活度，即与情感状态相联系的机体能量的程度。研究发现，惊反射可用做测量愉悦度的生理指标，而皮肤电反应可用做测量唤醒度的生理指标。

在人机交互研究中已使用过很多种生理指标，例如，皮质醇水平、心率、血压、呼吸、皮肤电活动、掌汗、瞳孔直径、事件相关电位、脑电EEG等。生理指标的记录需要特定的设备和技术，在进行测量时，研究者有时很难分离各种混淆因素对所记录的生理指标的影响。情感计算研究的内容包括三维空间中动态情感信息的实时获取与建模，基于多模态和动态时序特征的情感识别与理解，及其信息融合的理论与方法，情感的自动生成理论及面向多模态的情感表达，以及基于生理和行为特征的大规模动态情感数据资源库的建立等。

欧洲和美国的各大信息技术实验室正加紧进行情感计算系统的研究。剑桥大学、麻省理工学院、飞利浦公司等通过实施“环境智能”、“环境识别”、“智能家庭”等科研项目来开辟这一领域。例如，麻省理工学院媒体实验室的情感计算小组研制的情感计算系统，通过记录人面部表情的摄像机和连接在人身体上的生物传感器来收集数据，然后由一个“情感助理”来调节程序以识别人的情感。如果你对电视讲座的一段内容表现出困惑，情感助理会重放该片段或者给予解释。麻省理工学院“氧工程”的研究人员和比利时IMEC的一个工作小组认为，开发出一种整合各种应用技术的“瑞士军刀”可能是提供移动情感计算服务的关键。而目前国内的情感计算研究重点在于，通过各种传感器获取由人的情感所引起的生理及行为特征信号，建立“情感模型”，从而创建个人情感计算系统。研究内容主要包括脸部表情处理、情感计算建模方法、情感语音处理、姿态处理、情感分析、自然人机界面、情感机器人等。

情境化是人机交互研究中的新热点。自然和谐的智能化的人机界面的沟通能力特征包括：⑴自然沟通：能看，能听，能说，能触摸；⑵主动沟通：有预期，会提问，并及时调整；⑶有效沟通：对情境的变化敏感，理解用户的情绪和意图，对不同用户、不同环境、不同任务给予不同反馈和支持。而实现这些特征在很大程度上依赖于心理科学和认知科学对人的智能和情感研究所取得的新进展。我们需要知道人是如何感知环境的，人会产生什么样的情感和意图，人如何做出恰当的反应，从而帮助计算机正确感知环境，理解用户的情感和意图，并做出合适反应。因此，人机界面的“智能”不仅应有高的认知智力，也应有高的情绪智力，从而有效地解决人机交互中的情境感知问题、情感与意图的产生与理解问题，以及反应应对问题。

显然，情感交流是一个复杂的过程，不仅受时间、地点、环境、人物对象和经历的影响，而且有表情、语言、动作或身体的接触。在人机交互中，计算机需要捕捉关键信息，觉察人的情感变化，形成预期，进行调整，并做出反应。例如，通过对不同类型的用户建模（例如，操作方式、表情特点、态度喜好、认知风格、知识背景等），以识别用户的情感状态，利用有效的线索选择合适的用户模型（例如，根据可能的用户模型主动提供相应有效信息的预期），并以适合当前类型用户的方式呈现信息（例如，呈现方式、操作方式、与知识背景有关的决策支持等）;在对当前的操作做出即时反馈的同时，还要对情感变化背后的意图形成新的预期，并激活相应的数据库，及时主动地提供用户需要的新信息。

情感计算是一个高度综合化的技术领域。通过计算科学与心理科学、认知科学的结合，研究人与人交互、人与计算机交互过程中的情感特点，设计具有情感反馈的人机交互环境，将有可能实现人与计算机的情感交互。迄今为止，有关研究已在人脸表情、姿态分析、语音的情感识别和表达方面取得了一定的进展。

目前情感计算研究面临的挑战仍是多方面的：⑴情感信息的获取与建模，例如，细致和准确的情感信息获取、描述及参数化建模，海量的情感数据资源库，多特征融合的情感计算理论模型；⑵情感识别与理解，例如，多模态的情感识别和理解；⑶情感表达，例如，多模态的情感表达（图像、语音、生理特征等），自然场景对生理和行为特征的影响；⑷自然和谐的人性化和智能化的人机交互的实现，例如，情感计算系统需要将大量广泛分布的数据整合，然后再以个性化的方式呈现给每个用户。

情感计算有广泛的应用前景。计算机通过对人类的情感进行获取、分类、识别和响应，进而帮助使用者获得高效而又亲切的感觉，并有效减轻人们使用电脑的挫败感，甚至帮助人们理解自己和他人的情感世界。计算机的情感化设计能帮助我们增加使用设备的安全性，使经验人性化，使计算机作为媒介进行学习的功能达到最佳化。在信息检索中，通过情感分析的概念解析功能，可以提高智能信息检索的精度和效率。

展望现代科技的潜力，我们预期在未来的世界中将可能会充满运作良好、操作容易、甚至具有情感特点的计算机。

心里测量采用的方法有：自我报告法、行为观察法、生理指标法、认知实验范式法等。

1、自我报告法：即通过自我报告测量。这种方法通常需要被试者回答一系列的问卷调查，或者受到访谈官的访问和询问等。这些问卷或访谈官的提问内容通常与被评估的心理特征、如情绪、人格、偏好等有关。例如，常用的人格和情绪量表，如Myers-Briggs Type Indicator，以及疾病相关的问卷调查，如抑郁症状自评量表。

2、行为观察法：即通过观察被测量者在一定的行为情境下，表现出来的行为特征和反应来进行测量。通常需要制定相应的行为分类系统和记录程序，记录被测者在一定时间内的行为特征和表现。例如，使用人类行为的观察计量（Human Behavioral Observation System，HBOS），短期行为观察（Short-Term Assessment of Risk and Treatability，START）等。

3、生理指标法：通过测量人的生理指标来反映人的心理状态和反应。例如，心率和血压是常用的血液指标，可以用来反映人的生理反应和压力水平。同时，还有脑电图、肌电图和瞳孔大小等指标可用于测量人的神经生理反应。

4、认知实验范式法：这种方法通过呈现特定的刺激、行为任务或者游戏，来观察受测者的行为及神经反应，以确定某项认知过程或认知特征。常用实验范式包括反应时任务，注意任务和工作记忆任务等。

心里测量的解释

心理测量是指通过某种测量方法，获取并量化某项心理特征或表现的数据。心理测量旨在了解人们的心理内在过程，探究人的思维、情感和行为，以及各项心理特征和人际交往等相关问题。心理测量的目的是判断人的心理状态、状况和难题，以便对相关问题进行评估和研究，并为临床治疗、心理学研究、组织管理等领域提供科学依据。

心理测量通常需要使用专门的仪器和设备进行采集和处理数据，涉及统计分析和解释，所得的数据可以量化为分数或等级，以便进行有效的比较、分析和结果推论。同时，在完成心理测量过程中，还需要注意相关的伦理和法律政策，以确保被测者隐私和数据的保护。心理测量是心理学研究和应用的重要组成部分，对于解决心理相关的问题和需要具有重要意义。

量化方法有四个层次，即“定类量化”、“定序量化”、“定距量化”和“定比量化”。

定类量化：其实就是把样本分类。例如国籍、性别等等属性，都属于“定类量化”。在这个层次上，要做的就是分类，但并不考虑类和类之间的关系。例如统计时性别分男女。“定类量化”的特点是分类都是平等的，如相关的结果有区别，则是后续研究的事了。

定序量化：也比较常见，人员考核的“优良中差”、事故分类的“特别重大、重大、较大和一般”都属于“定序量化”。“定序量化”是在“定类量化”的基础上，再把分类按照某种属性进行排序。如果不同的样本属于不同的分类，那么在这个属性的维度上根据分类就可以对样本进行排序，但并不能据此得出更多的结论。

定距量化：用途不是很广泛，但也算是一种量化方法。例如摄氏温度，30度和20度之间的差异，与20度与10度之间的差异，在物理学上是一致的。但能说30度是10度的3倍，20度是10度的2倍吗？当然不能，因为摄氏0度并不是没有温度，如果一定要这样比的话，就必须用开氏温度才行。

定比量化：这时候量化的值，不仅可以用于分类，排序，测距，而且可以用于定量“比较”。更准确地说，这个量化值是一个连续的数字域，而且这个数字域应当覆盖所有样本的量化值。

爱是无价的，被量化就是建立在物质金钱基础上，市俗成分多了爱是无价的，被量化就是建立在物质金钱基础上，市俗成分多了爱是无价的，被量化就是建立在物质金钱基础上，市俗成分多了爱是无价的，被量化就是建立在物质金钱基础上，市俗成分多了爱是无价的，被量化就是建立在物质金钱基础上，市俗成分多了

“爱”被量化之后，就可能斤斤计较、可能近于商业化操作或类似心理；但说“缺少感情培养过程”，未能理解是不是指“爱”的培养过程。

例子不太好举，打个比方吧。

比如，心里想着完成任务、应付差事，每三五天，就要去买一次菜；想着任务完成了，就万事大吉；对方提出意见时，就可以理直气壮地回复。

如此说来，而好像，基于爱的量化（爱的基础上的量化），却又可以。

先说大数据时代舆情数量庞大，来源众多，网站信源也很多。舆情情感分析单纯依靠人工数据难以量化，工程量大，借助舆情分析平台是不错的选择。

西盈舆情分析系统可以实现以下功能：

1、可以做到对舆情信息的分类研判（包括舆情的热点、负面、地域等）、及时预警、科学的分析（时间节点分析、图表分析、报告分析等）以及辅助建立预警机制，提供科学的决策依据。企业购买舆情监测系统已经是常态了，很多舆情危机的出现都会读直接影响企业的形象、经济利益、产品的推广等等。

2、内置数据模型知识库（数据分析方法库），由若干成熟的模型（数据算法）（维稳、治安、环保、交通运输、医疗、教育、卫生等）的代码和技术文档构成，并能够进行模型的拼接，引入和相互无缝引用。

3、实时显示分析引擎领域、属性、项目、日志、入库和统计图表信息，异常情况系统发出警示。实时显示目前系统运行详细日志，包括任务运行时间、文本处理时间、入库情况、知识库匹配情况、引擎数据库状态等。