基于深度学习的对话情绪生成研究综述

情绪生成是人工情感计算研究中的子任务,在对话系统中情绪生成任务旨在生成待回复话语中的情绪类别。对话情绪生成可以推动对话情绪理解和对话表达研究,同时在智能闲聊机器人、情绪安慰、推荐系统和人机情感交互等诸多智能化领域具有重要的理论意义和实际应用价值。得益于深度神经网络在自然语言处理领域的优异表现,基于深度学习的对话系统情绪生成受到越来越多研究人员的关注。总结目前基于深度学习的对话情绪生成相关工作,现阶段利用深度学习的对话系统情绪生成相关研究主要包含三方面内容:情绪感知、情绪预测和情绪决策。简要介绍了一些常用的情绪对话数据集,最后对该任务当前问题进行了归纳概况并展望未来发展趋势。

利用情绪生成心理机制培养学生的自我效能感

本文从情绪生成心理机制的角度论述了学生自我效能感的培养 ,着重强调了如何利用需要、客体与预期的关系、观察性学习、表情训练、认知和评价、兴趣等因素来培养学生的自我效能感 ,并指出自我效能感培养的最终目标是使学生能将之内化为自身性格并能有意识地在该方面进行自我教育。

信息不对称视角下政务舆情中公众情绪的生成与疏导

在我国政务舆情管理中,对公众情绪的疏导已经成为政府管理舆情的关键。运用信息不对称理论,可以系统地发现,政府、媒体和公众分别在信息供给、信息传输、信息接收三个环节中具有获得舆情信息的能力差异和主观偏好,从而形成了内生性、外生性和主观性的舆情信息不对称。基于政府、媒体和公众的共同努力,提高疏导与控制公众情绪的能力,有助于提高政府的舆论引导能力,为我国政府在政务舆情管理中提供新思路。

航班延误旅客情绪的影响因素研究

通过分析人格特质、情境因素、旅客需求对航班延误情况下旅客情绪生成的影响作用,构建了航班延误旅客个体冲突情绪生成模型。不同人格特质的旅客结合不同的情境因素由于不同的需求会产生不同的情绪,结果表明这三者的共同作用促使航班延误导致的新情绪的生成。

动态多阶段强波动型表情识别模型

考虑到问卷调查顾客的满意度评价时存在样本获取困难、主观误差等问题,利用表情识别技术分析视频中顾客的情感表达,但实际应用存在人物表情变化波动过大的强波动型表情识别问题。为更好地挖掘强波动型表情变化的信息,提出一种动态多阶段强波动型表情识别模型(LNsCo),该模型包括长期情绪波动状态生成器(LEF)、近短期表情特征生成器(NsSE)、平行共同注意力网络(co-attention network)。将图像序列预处理后,分别送到LEF和NsSE提取表情的隐藏特征,利用共同注意网络生成二者相互依赖的表征,用分类器进行表情分类。在公共数据集和真实应用场景下的结果表明,所述方法具有良好的性能。

生成论视域下中医学气本论情志观建构

受系统科学范式与其方法论的影响,现代心理学提出了具身认知的“情绪生成”理论,即身体行动与思维活动在适应环境的过程中共同参与了情绪的生成。中国传统“情志观”语境亦透射出鲜明的生成论思想,“气”作为构成与维持人体生命的最基本物质,也是塑造个人情感、心智与道德的原始质料,全然一气赋予人的感性结构以本体实在意义,以“气本论”为核心形成了关联意志、形神、性情等范畴的“知情一体”思维观念。依此视域,梳理出了中医学情志观3个层次的内涵,即情志自然观、情志生理观与情志伦理观,以期构建适合本土心理学思想发展的范畴与理论。