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。

抖音上的情感语录号填标签可以在手机输入法找到#这个符号，输入后自动跳出内容，在其中选择需要的标签即可。抖音，是由字节跳动孵化的一款音乐创意短视频社交软件。抖音破红线，该软件于2016年9月20日上线，是一个面向全年龄的短视频社区平台，用户可以通过这款软件选择歌曲，拍摄音乐作品形成自己的作品。

1、初步筛选：对于短视频情感分析样本库，首先需要进行初步的筛选，选取与研究主题相关的样本，滤除噪声数据和不相关的数据。

2、设计标注体系：根据研究目的，设计情感分析的标注体系，通常包括情感类别（如积极、消极、中性等）、情感极性（如正向、负向等）和情感强度（如强烈、一般、微弱等）等多个方面。

3、标注样本：按照标注体系，对样本进行标注。标注可以通过手工标注和自动标注两种方式进行。手工标注需要人工逐条查看样本，并对其进行情感分类和极性判断等标注操作。自动标注可以使用情感分析算法，对样本进行自动分类和标注。

4、标注质量检查：对标注好的样本进行质量检查，确保标注的准确性和一致性。可以使用多位标注员进行标注，然后比对标注结果，发现并解决标注中的错误和不一致性。

5、数据集整合：将标注好的样本整合成数据集，进行数据清洗和数据预处理等操作，以便后续的情感分析研究和应用。

生活中有些问题虽然严重，但其实是简单的。

比如现在有一个新型病毒爆发了，十分紧急，解决问题的方法就很简单。一方面你要让科学家去找这个病毒的抗体，另一方面你要控制感染源，把感染者集中起来。病毒是个“坏人”，你要做的就是把坏人杀死。

再比如说，有个本来成绩很好的球队，最近的成绩非常不好。这是怎么回事儿呢？你一看是新来的主教练不行，于是换了个主教练，球队成绩马上就上去了。

像这种有明确因果关系的问题就是简单问题。它们的共同点是其中有个“坏人”。消灭坏人，问题也就解决了。

可是中国足球的坏人是谁呢？是打假球的球员和裁判吗？是主教练吗？是足协主席吗？这些人都已经换过很多遍，中国足球始终不行，最近连越南都不如了。那中国足球问题到底是个什么问题呢？

答案是中国足球是一个“系统”。系统性的问题不能用“除掉坏人”这种思维解决，你必须有“系统思维”。

我要借助一本新书，叫《系统思维的艺术》作者是史蒂文·舒斯特

1什么是系统

所谓系统，就是一个由很多部分组成的整体，各个部分互相之间有联系，作为整体又有一个共同的目的。人的身体、学校、公司、国家，都是系统。系统有三个特征。

第一，系统里有各种元素，也就是各个部分。比如学校系统，其中有老师、有学生，有教室、有操场，这些元素是系统的组成部分。组成元素是一个系统最明显的东西，而也可能是最不重要的东西，因为它们常常是可替换的。正所谓铁打的营盘流水的兵，学生来了又走，老师、校长都可以换，而学校还是这个学校，系统还是这个系统。

第二，系统中各个元素之间，有各种关系。这些关系可以是上下级的命令、谁和谁合作、谁向谁汇报，也可以是规则、物理定律。元素可以随时调换，但关系通常是不变的。所以真正要理解一个系统的运行机制，你就要了解它的关系结构。

第三，系统还有一个功能，或者说是一个目的。比如学校的功能就是教育学生。系统的功能往往是不明显的，有时候表面上有个功能，实际上还有个功能。比如学校系统，表面上看，它的目的应该是教育学生；但实际上，它的目的也许是考试能力训练，或者纯粹是为了赚钱。

中国足球这个系统的目的是什么？到底是为了让国家队取得好成绩，还是为了发展足球产业、让中国人民享受足球呢？如果是前一个目的，就应该不惜一切代价保证国家队的水平。如果是第二个目的，就应该好好建设中超联赛，请最好的外援，把中超联赛变成世界五大联赛之一。我们看中国足协的各种做法，你很难判断它到底是个什么目的。

目的不明确，系统就可能出问题。再进一步，组成系统的各个部分的目标，有时候和系统的总目标是不一致的。而很多问题恰恰是出在这个不一致上。可能一个公司里有人想的是把公司做大做强，有人想的是多发点工资。把这些目标协调好，系统才能良好运行。

2线性思维不行的时候

系统思维的反义词，是“线性思维”。所谓线性思维，就是简单明了的因果关系 —— 既然这有这么一个结果，就一定有一个原因，只要解决了原因就能解决问题。手机没电了，你去充电就行了。这儿有个坏人，那你就把坏人抓起来。线性思维就是这么直来直去，适合我们一开头说的那些简单问题。

请原谅我还是用中国足球打个比方。国家队有个长期的问题是“锋无力”。为什么中国国家队没有优秀前锋呢？这是问题本身，还是中国足球其他深层次问题表现出来的一个症状呢？

如果这就是问题本身，那咱们多培养几个好前锋就行。可这个问题很可能只是一个症状。中国前锋不行，根本原因是他们在联赛里打不上主力，联赛中都是外援担任前锋。那为了培养自己的前锋，是不是应该干脆禁止外援前锋？

这就是说线性思维有时候解决不了问题。比赛输了，真的不是因为武磊的单刀球总不进 —— 武磊不是坏人。专门针对一个症状下手解决不了真正的问题，线性思维相当于头痛医头脚痛医脚。

系统论的专家认为，如果出现以下症状，那这个问题恐怕不是线性问题，而是系统问题 ——

看似是个小问题，但是要解决它却要耗费许多资源；

多次试图解决一个问题，却总是无效；

问题本来应该容易解决，可是人们故意不解决；

公司上下似乎有个情感障碍，对这个问题避而不谈；

新人来了就发现问题，老人一笑了之；

类似的问题一再发生，整改了也没用……

比如最近一个新闻热点是东北雪乡宰客。不是一次两次的事儿，就好像都成一个规律了，甚至还流行一句话叫“投资不过山海关”，作为一个东北人我听了非常难过。像这些问题就是系统问题。振兴中国足球和振兴东北，就好像小孩不爱学习、夫妻关系不好、减肥一再失败一样，不是说换两个官员、把某个部门整顿一番、一份痛哭流涕触及灵魂的检讨、过完年来个新年新气象就能解决的。

面对系统问题，千万不要说什么快速解决，也不是拨多少款的事儿。解决系统问题的出发点，是你得抓住两个关键点。

3正反馈和负反馈

思考系统的时候，有几个概念需要特别重视。

一个概念叫“库存（stock）”，也就是系统里面某种东西的保有量。比如你考虑一个挣钱的系统，库存就是你挣了多少钱。如果是科研系统，库存就是你手里有多少个正在干的项目。库存有“输入”和“输出，输入增加库存，输出减少库存。

库存可以是任何东西。比如夫妻感情系统，库存就是两个人共同积累了多少正面的感情。输入是互相之间亲密的表示，可以增加库存；输出是各种争吵和矛盾，会消耗情感库存。如果情感库存见底了，婚姻系统就很危险了。

所以评估一个系统，首先要考虑它的输入、输出和库存。输入输出影响库存，库存也会影响输入输出。

还有一个概念叫“反馈回路”。反馈回路分为两种，它们是库存和输入输出之间的关系机制。

一种是正反馈回路，也叫自增强回路。所谓正反馈回路就是库存里的东西越多，输入就会越大，于是就会进一步增大库存。比如挣钱，就得靠正反馈回路。你的钱越多，投资产生的利润就越多；利润越多，你的钱又会进一步增多。投资 — 挣钱 — 投资，这就是一个正反馈回路。

导致系统崩溃的往往也是某种正反馈回路。就比如夫妻关系，情感储备越少，看对方就越不顺眼；看对方越不顺眼就越容易发生冲突，结果就是情感储备进一步减少。这不是“正能量”，但是也是“正的”反馈 —— 因为有个叫愤怒的东西在增长。

还有一种是负反馈回路，也叫平衡回路。负反馈不等于负能量 —— “负”的意思是“减少”。当库存太多了，负反馈回路负责减少库存。比如国家看谁太富了就多收他点税，看谁太穷了就给他发点钱，家里看老婆情绪不对就赶紧哄哄，这都是负反馈回路。负反馈总是让系统回到“正轨”上来。

一个系统中可以有若干个正反馈和若干个负反馈回路。正反馈回路让系统或者增长、或者崩溃，是要偏离平衡；负反馈回路则尽力保持系统的平衡。

对你想要解决的这个问题而言，可能就有一个回路，正在起主导的作用！

如果你能发现在系统里起主导作用的回路是什么，你就抓住了系统的主要矛盾，你就找到了问题的关键所在。

有了这些概念，下面我们就可以展开具体的应用。

谁应该学习系统思维呢？首先是管理者，特别是政府官员。不懂系统论，如果去制定政策，必然会犯大错。

但是哪怕你只管理自己，也需要一点系统论。亚当斯就把自己的写作和漫画事业当成一个系统。每个人都可以把自己的学习、工作和生活当做几个系统。

比如说减肥吧。库存是体重，输入是你吃进了多少卡路里，输出是运动和锻炼身体。

这个系统里有反馈回路。吃得越多就越贪吃，这就是正反馈回路。体重增加了想节食和锻炼，这是负反馈回路。健身会产生愉悦感，越经常健身的人越喜欢健身，这是负反馈回路内部的一个正反馈回路。

抓住反馈回路，你就抓住了解决系统问题的关键。咱们下次再说。

微博言论往往带有强烈的情感色彩,对微博言论的情感分析是获取用户观点态度的重要方法。许多学者都是将研究的重点集中在句子词性、情感符号以及情感语料库等方面,然而用户自身的情感倾向性并没有受到足够的重视,因此,提出了一种新的微博情感分类方法,其通过建模用户自身的情感标志得分来帮助识别语句的情感特征,具体地讲,将带有情感信息的微博语句词向量序列输入到长短期记忆网络(LSTM),并将LSTM输出的特征表示与用户情感得分进行结合作为全连接层的输入,并通过Softmax层实现了对微博文本的情感极性分类。实验表明,提出的方法UA-LSTM在情感分类任务上的表现超过的所有基准方法,并且比最优的基准方法MF-CNN在F1值上提升了34%,达到091。

关键词: 情感分析, 长短期记忆网络, 用户情感倾向

Abstract:

Micro-blog's speech often has strong sentimental color, and the sentiment analysis of Micro-blog's speech is an important way to get users' opinions and attitudes Many researchers conduct research via focusing on the parts of speech (POS), emotion symbol and emotion corpus This paper proposes a novel method for Micro-blog sentiment analysis, which aims to identify the sentiment features of a text by modeling user sentiment tendency Specifically, we construct a sentiment information embedded word embedding sequence, and input it into a long short term memory (LSTM) model to get a sentiment embedded output representation Then we merge both the user sentiment tendency score and the output representation of LSTM, and use it as the input of a fully connected layer which is followed by a softmax layer to get the final sentiment classification result The experiment shows that the performance of our proposed method UA-LSTM is better than all the baseline methods on the sentimental classification task, and it achieves the F1-score up to 091, with an improvement of 34% over the best baseline method MF-CNN