情感对话技术综述

情感对话技术着眼于对话机器人的“情商”,旨在让对话机器人具有像人类一样观察、理解和表达情感的能力.这项技术可以看作是情感计算和对话技术的交叉,兼顾对话机器人的“智商”和“情商”,从而实现对用户的精神陪伴、情感慰藉和心理疏导.结合对话中情感的特点,对情感对话技术进行全面解析:1)规划对话场景下的情感识别、情感管理、情感表达等3个重要的技术点,并拓展多模态场景下的情感对话技术.2)介绍情感对话4项关键技术的最新研究进展,并总结这些技术面临的主要挑战和可能解决方案.3)介绍情感对话技术的数据资源.4)分析情感对话技术的难点,展望其未来发展方向与前景.

从“各行其是”到“同舟共济”:乡村情感治理的生成逻辑

随着社会转型升级,乡村由“熟人社会”过渡为“半熟人社会”,村民异质性凸显,旧有情感规则生存的社会基础发生巨变,原有社会规范式微。在理性选择下,集体行动的生长空间被严重压缩。尤其面对转型中的风险,显著地表现为村民行为原子化、响应服务被动化与资源储备薄弱化,消解了乡村治理的效力。如何推动村民从“各行其是”转向“同舟共济”,打造面向现代化的乡村治理共同体,是实现基层治理能力现代化目标面临的重要课题。通过对M村的考察,构建情感治理的分析框架,分析情感治理如何作用于基层治理体系。研究发现,“情感嵌入—情感融合—情感输出”能有效重塑个体情感,改善邻里关系;在情感共鸣中催生群体认同,促成情感联盟,凝聚集体力量。在集体联盟的感召下,乡土情怀升华为家国情怀,打造乡村治理共同体。“个体情感—群体情感—家国情感”相辅相成、螺旋式地演进,推动基层治理有效转型。

情感分歧对社交媒体中信息再传播的影响——以微博为例

[研究目的]社交媒体中信息的再传播是目前主流传播方式之一,研究情感特征对社交媒体中信息再传播的作用,揭示情感信息影响社交媒体中信息再传播的机制,对于科学引导网络舆论、维持健康网络环境具有重要意义。[研究方法]基于认知失调理论,引入情感分歧特征进行情感分析,以社交媒体中帖子的转发数与评论数作为信息再传播效果的衡量指标,构建了情感分歧与情感倾向影响信息再传播的理论模型,并使用微博平台上的数据,对模型进行验证。[研究结论]通过对回归模型结果分析,情感分歧能够显著正向影响社交媒体信息再传播,促进帖子的转发与评论;正面情感倾向性能够显著促进帖子的转发效果,对帖子的评论数影响效果并不显著;帖子内容的情感倾向性能够调节帖子内容中的情感分歧对帖子转发的影响,而评论情感倾向能够调节评论内容中的情感分歧对帖子评论数的影响。

导向·共振·连接:主流媒体虚拟主播用户情感体验优化策略

主流媒体数字化转型中,用户体验情感化趋势成为虚拟主播设计的关键要素。为了提升用户情感体验,主流媒体虚拟主播设计在用户体验五层模型基础上,应更重视心(信念)、脑(认知)、身(行为)心智模型的应用,结合智能情感计算等技术,通过情感引导、情感共鸣、情感陪伴等策略,在传递有价值信息的同时,更关注用户内心的共鸣和心理上的满足。只有精准触及和满足用户的情感需求,主流媒体才能更好地提升主流新闻舆论的传播力、引导力、影响力和公信力。

人工智能时代青年情感教育变革

人工智能时代呈现出人机竞争与人机互动的新样态,情感地位跃迁,成为最重要的人类“自留地”。情感不止作为一种素质,更是一项重要技能。当代青年存在“AI情感疏离”“AI情感欺骗”“AI情感应激”等困境,情感技能有待提升。根源在于,当代青年存在情感教育短板,即传统教育的唯理性化以及现有情感教育的浅层化。应推动青年教育情感转向,遵循三大理念,即关注交往能力、强调创造能力、提高适应能力。在此基础之上,着力推动青年情感教育的重构,具体对策为:优化情感教育新体系,发挥学校引领作用;坚持人工智能有限使用,规避潜在技术风险;注重生命体验式教育,立足中国优秀传统文化;打造情感教育共同体,契合青年鲜明特征。

情感生产与传播:高校思政课教学情感互动机理

道德自我意识、情感公共性特征、情感互动性流等共同构成“反射式环绕”思政课教学情感互动结构。思政课教学中的师生共同塑造着教学情感的进程,表现为“交换-回报”“交互-承诺”“交往-依赖”的递进式节奏,思政课教学相关部门应通过营造思政课情感教学文化,提升师生“默会”认知能力;创建思政课情感体验空间,增加师生情感能量储备;运用思政课教学情感仪式,构建师生教学情感秩序等策略提升思政课教学情感互动效果,进而实现思政课教学高质量发展。

环青海湖骑行游客情感动态性的特征与发生机制

运用混合研究方法,以环青海湖骑行为例,揭示骑行游客情感动态性的特征,并基于地方理论和景观感知理论构建“区位-场所-情感”三维分析框架,识别情感动态性的发生机制。研究发现:①强度方面,与消极情感相比,游客积极情感的可变性及不稳定性的数值更高、数值区间更大,表明积极情感强度的波动程度更明显,游客之间的波动程度的差异性也更大。②多样性方面,游客消极情感多样性的变化最为明显,消极情感体验在骑行出发时最复杂,积极情感体验则在旅途结束时最复杂。③骑行所经之地独特的区位特质为游客提供了跨地方的差异化体验,场所特质则提供了具体的地方展演和体验方式。两者共同作用,不断引发骑行游客产生积极、消极情感,发生强度及类型上的变化,并在时空变换下将冰冷的道路空间转换为蕴含着丰富多变的人类情感的特殊地方。

情感强度回复生成模型

情感对话生成模型在回复生成中未考虑情感强度因素,导致生成回复的情感表达存在波动不恰当性,降低用户交互体验。受情绪心理学中情感强度工作的启发,提出一种情感强度回复生成模型(EIRGM)。模型包括情感强度预测单元、语境编码模块和情感强度回复生成单元,其中情感强度预测单元为回复语句提供情感类别和情感强度,语境编码模块单元为回复语句提供内容基础,情感强度回复生成单元构成用于回复语句中情感和强度的表达。实验以NLPCC2018开放域对话数据集为基础,开展了情感恰当性、情感强度恰当性、内容关联性以及对话持续性等实验。实验结果表明,EIRGM在情感恰当性方面与最优模型相差不大,在情感强度恰当性和对话持续性方面与最优模型相比分别提升4.1个百分点和0.8个百分点,表明了EIRGM模型在提升情感强度表达恰当性同时也提高了用户交互意愿。

婴儿情感识别综述

婴儿情感在塑造婴儿的认知和自我意识中扮演着关键角色,对婴儿成长具有至关重要的影响。目前婴儿情感研究领域,面临婴儿情感数据集不足、情感量化标准不统一,以及情感识别的准确性受限等问题。因此,如何有效地识别婴儿情感已成为该领域当前研究的核心难题。通过梳理当前婴儿情感识别领域的研究现状,从婴儿情感数据集、婴儿情感表示模型以及婴儿情感识别方法等方面对婴儿情感识别研究进行了分析与总结。列举并介绍了当前可用的公开数据集。总结并分析了常见婴儿情感模型,以及不同模态下的婴儿情感识别方法。概括该领域当前存在的问题以及探讨未来的研究方向,旨在为进一步的研究提供方向。

感知原真性对游客情感形成的影响机制研究以开平碉楼为例

游客在遗产地感知原真性后是否以及怎样引发情感的形成,有关研究相对缺乏。同时,地方依恋与亲密关系理论是研究情感的重要理论,二者存在许多交叉域,但少有研究结合二者进行探讨。在文化遗产旅游背景下,文章以地方依恋和亲密关系理论为基础,选取情感体验、情感形象和情感依恋这一系列反映情感形成过程的构念,探究感知原真性如何影响游客情感的形成(内在作用机制),并对比有形文化遗产与无形文化遗产的感知原真性在机制中的不同表现。结果表明:(1)情感体验、情感形象在感知原真性与情感依恋之间发挥链式中介作用;(2)情感体验在感知原真性与情感形象之间发挥完全中介作用;(3)相较于有形文化遗产,无形文化遗产的感知原真性对游客情感形成的正向影响更强烈。

教师教学情感的类型、问题与调适策略

教师的教学情感是教师对自身教学工作的满意程度所表现出的态度和体验,其贯穿整个教学过程。研究教师教学情感的类型,深入剖析其存在的问题并提出针对性策略,有助于教师走出情感困境,从而进一步提高教学质量。通过对教师教学情感的具体分析发现,教师的教学情感主要呈现三大类:情感享受型、情感掩饰型和情感压抑型。不同教师的教学情感面临着不同的情感困境,如教师心理落差较大、情感韧性不足、身份认知固化、自我效能不足、职业倦怠明显等。为促进教师专业发展,进一步提高教育教学质量,教师应积极进行情感调适:“情感享受型”教师应调整自我期望,增强情感韧性;“情感掩饰型”教师应调整自我认知,建立教学自信;“情感压抑型”教师应加强自我学习,寻求他人帮助。

基于情感认知差异的产品造型设计研究

通过设计师与用户两个角色的情感认知差异,探讨造型设计要素与情感感知之间的关联,引起设计师对用户情感需求的重视。研究设计师与用户对产品情感认知的发展现状,采用语义差异法与PAD情感空间量表、回顾式口语分析的方法,以智能加湿器为实验样本,研究设计师与用户对产品造型的情感认知差异。对比两者情感感知评价的数据,结合口语分析,得出设计师与用户在情感三维度上对产品造型认知存在的偏差。结论该方法可为情感设计提供新的探讨思路。

西方古典田园诗中的情感误置

情感误置是主体在强烈感情驱使下对外部事物的情态产生错觉的结果,它本质上是情感主体内心世界的外在化。田园诗中的情感误置可分为修辞性和癫狂性两个层次。修辞性误置通常用于表现人与自然之间在情感状态上的和谐关系:要么借自然的愉悦情态来营造纯粹愉悦或宁静的心境,要么借自然的悲喜情态来应和人物心境的悲喜变化。癫狂性误置主要有三种类型:失和式误置表现自然与人之间的情感对立或冲突,失序式误置以大自然的失序状态表达对人之极端悲伤的同情,祈愿式误置以情感主体向“缺席”的自然祈求同情来强化其绝望情绪。这些手法使那些难以直接描述的情感世界得以直观传达,让诗人的表达更富戏剧性,从而更加有效地表现情感主体的快乐或悲伤。

多模态融合下宠-主情感交流产品交互设计研究

针对宠-主交流产品情绪识别方式缺失或单一,宠-主情绪状态难以及时掌握把控,进而造成宠-主情感交流障碍的问题,提出多模态计算框架下的宠-主情感交流产品双向交互设计原则,实现对宠-主情绪精准识别,交互反馈,以促进宠-主情感交流。在现有人类情绪识别的音频分析与计算机视觉跨模态融合基础上,针对猫咪意象需求的模糊性与主人情感需求的多样性,联结宠-主情感与其对应需求,提出多模态视域下宠物情绪识别新方法和宠-主情感交流产品双向交互设计模型。面向宠-主情感交流的多模态情感交互模型,通过情绪识别、需求确定、交互反馈,可以提升宠物产品智能化,准确把握宠-主情绪,促进宠-主沟通的良性循环。

情感育德:何以必要?何以可能?——基于社会学视角的探讨

学校场域中情感与道德之间模棱两可的关系,给道德教育实践带来困扰,有必要对情感与道德的关系进行重新审视,以明确情感何以育德的学理依据。社会学视角下的情感与道德关系既表现为情感为道德提供感性支撑,又表现为道德蕴含着情感元素。基于理论分析以及实践反思,可以通过情感资本积累德育的情感资源,通过强情感互动促进道德教育的情感实践,通过习得情感规则培养遵循道德规范的情感惯习,运用情感劳动策略调节道德教育过程。

虚拟现实技术与社会-情感学习融合的框架设计研究

社会-情感学习面向自我认知、自我管理、社会认知、人际交往和负责任的决策等五种能力,旨在帮助个体理解、管理和表达情感,建立和维持良好的人际关系。虚拟现实(VR)技术能够满足社会-情感学习所需的安全的、积极的、有挑战性的支持环境,完成情感唤起、情感调节和社交技能训练,与社会-情感学习需求高度契合。基于此,尝试厘清融合所需的多模态刺激、沉浸式交互、自适应反馈以及社会化环境等技术要素,构建VR技术与社会-情感学习融合的实践框架,阐明其三维结构:在认知维增强情感理解,在情感维实现情感管理,在行为维完成社会性交互。同时,VR技术与社会-情感学习融合框架的优化应更多关注技术自身的情绪效应,积极引入虚拟社会心理的特定规律,适度强化身体图示的联结效应,并不断吸纳技术伦理与文化要素。

基于情感化设计的体育文创产品设计研究——以天津体育文创产品设计为例

在时代发展的浪潮中,尤其是在体验经济快速崛起的大背景下,各类产品开始深入挖掘消费者的需求和习惯,以提升消费者的情感体验。除了外观和功能的改进,产品设计也开始更加关注消费者的情感。情感化设计旨在通过将情感和情感体验纳入产品或体验的设计过程中,满足用户的情感需求和期望,从而增强产品或体验的吸引力和用户满意度。因此,将情感化设计引入体育文创产品设计,不但能加深消费者对体育文化内涵的理解,而且能够满足消费者对体育文创产品的深层次需求,增加体育文创产品的生命活力。

从前个体情动到社会性情绪——情动理论视角下的集体情感

在以情感转向为代表的情感研究浪潮中,有关集体情感的研究未能跟上个体情感研究的步伐。已有的集体情感研究,无论是个体主义还是涌现主义模型,都因其“原型情感能够完整传递”的假定而面对诸多理论困境。从情动理论出发,集体情感的形成可以被视为从前个体情动到社会性情绪的过程:经由情感流通、情感表达和情感教学等机制,特定刺激所带来的无定形情动状态被结构化为具体情绪范畴,从而为群体中的个体所共同理解并共享。但是,具有明确社会文化内涵的情绪范畴无法完全捕捉或包含流动的情动状态,而情动剩余物的存在则意味着集体情感并不是可以被任意操纵的。

教育情感计算的价值、困境与出路

教育情感计算涉及教育场景中情感的感知与理解、建模与预测、干预与调节、生成与表达等方面,对于学生状态表征、教学过程评价、学习机理阐释、学习干预实施具有重要意义。然而,教育情感计算面临情感指标体系不完善、无感知情感数据采集分析难实现、情感发生机理难解释、情感建模预测机制未建立、情感干预机制难落地等困境,严重削弱了情感计算对于教育创新变革的实践价值。为破解上述困境,文章提出教育情感计算的发展方向:构建面向教育领域的情感计算指标体系,开发无感知教育情感智能计算系统,探究多学段、多学科、多场景的情感发生机理,开展基于情境感知的学习者情感建模分析,完善智能教育系统的情感反馈与干预机制,健全教育领域的情感计算风险防控机制。文章的研究可为教育情感计算提供方向指引,并助力教育研究与实践的创新发展。

基于改进TF-IDF与BERT的领域情感词典构建方法

领域情感词典的构建是领域文本情感分析的基础。现有的领域情感词典构建方法存在所筛选候选情感词冗余度高、情感极性判断失准、领域依赖性强等问题。为了提高所筛选候选情感词的领域性和判断领域情感词极性的准确程度,提出了一种基于改进词频-逆文档频率(TF-IDF)与BERT的领域情感词典构建方法。该方法在筛选领域候选情感词阶段对TF-IDF算法进行改进,将隐含狄利克雷分布(LDA)算法与改进后的TF-IDF算法结合,进行领域性修正,提升了所筛选候选情感词的领域性;在候选情感词极性判断阶段,将情感倾向点互信息算法(SO-PMI)与BERT结合,利用领域情感词微调BERT分类模型,提高了判断领域候选情感词情感极性的准确程度。在不同领域的用户评论数据集上进行实验,结果表明,该方法可以提高所构建领域情感词典的质量,使用该方法构建的领域情感词典用于汽车领域和手机领域文本情感分析的F1值分别达到78.02%和88.35%。