探究中职数学教学中生成情感的途径

情感是人对客观事物是否满足自己的需要而产生的态度体验,它反映了客观事物和个体需要之间的关系.在中职数学实际教学中,注重情感培养的教学活动,对学生学习兴趣的培养、提高课堂教学效果、全面发展学生素质等都将起到意想不到的作用.本文从在师生合作中生成情感、在数学教学中生成情感两方面探究了中职数学教学中生成情感的途径.

基于改进高斯混合变分自编码器的半监督情感音乐生成

音乐可以通过序列化的声音信息传递声音内容和情感。情感是音乐所表达的语义中的重要组成部分,因此,音乐生成技术不仅要考虑音乐的结构信息,还应融入情感元素。现有的情感音乐生成技术大多采用基于情感标注的完全监督方法,但音乐领域缺乏大量标准的情感标注数据集,且情感标签不足以表达音乐的情感特征。针对上述问题,提出了基于改进的高斯混合变分自编码器(Gaussian Mixture Variational Autoencoders,GMVAE)的半监督情感音乐生成方法(Semg-GMVAE),将音乐的节奏特征和调式特征与情感建立联系,同时向GMVAE中引入一种特征解纠缠机制来分别学习这两种特征的潜在变量表示,并对其进行半监督聚类推断。最后通过操纵音乐的特征表示,实现了针对快乐、紧张、悲伤、平静情感的音乐生成与情感转换。同时,针对GMVAE难以区分不同情感类别数据的问题,实验指出其关键原因是GMVAE证据下界中的方差正则项与互信息抑制项使得各类别的高斯分量分散性不足,从而影响学习表示的性能和生成的数据样本的情感质量。因此,Semg-GMVAE对这两项因子分别进行了惩罚和增强,并使用Transformer-XL作为编码器和解码器以提升在长序列音乐上的建模能力。基于真实数据集的实验结果表明,相比现有方法,Semg-GMVAE能够将不同情感的音乐在潜在空间中更好地分离,增强了音乐与情感的关联程度,并且能够有效对不同音乐特征进行解纠缠分离,最后通过改变特征表示更好地实现情感音乐生成或情感切换。

文本情感分类中生成式情感模型的发展

描述了生成式模型的概念及它在文本情感分类领域的发展,分析了生成式情感模型的分类,着重研究了不同生成式情感模型之间的关联性,并对生成式模型中最有代表性的三类模型进行了介绍,最后对生成式情感模型发展以及未来趋势进行了总结。

基于个性的机器人情感生成和决策模型构建

为了使人机交流更加自然,提出一种基于个性的机器人情感生成机制和情感决策模型,建立了从个性到情感空间、从情感空间到多种行为输出的映射.对个性空间和情感空间进行描述,通过PAD(pleasure-arousaldominance)空间建立二者之间的映射关系,给出了基于融入个性精神集注模型的情感更新方程,得到机器人实时情感状态.设计了基于个性的机器人情感决策模型,实现从基本情感到基本动作的映射,得到任意复合情感状态下的行为输出,并采用格贴近度法确定行为是否执行.以"福牛"机器人为实验平台,结果验证了该方法的有效性和实用性.

基于注意力机制的主题扩展情感对话生成

越来越多的研究开始聚焦于情感对话生成,然而现有的研究往往只关注情感因素,却忽视了对话中主题的相关性和多样性以及与主题密切相关的情感倾向,这可能导致生成响应的质量下降。因此提出一种融合主题信息和情感因素的主题扩展情感对话生成模型。该模型首先将对话上下文进行全局编码,引入主题模型以获得全局主题词,并使用外部情感词典获得全局情感词;其次在融合模块里利用语义相似度扩展主题词,并利用依存句法分析提取与主题相关的情感词;最后将上下文、主题词和情感词输入到一个基于注意力机制的解码器中,促使解码器生成主题相关的情感响应。实验结果表明,该模型能生成内容丰富且情感相关的回答。相较于主题增强情感对话生成模型(TE-ECG),所提出的模型在unigram多样性(distinct-1)和bigram多样性(distinct-2)上平均提高了16.3%和15.4%;相较于基于注意力机制的序列到序列模型(Seq2SeqA),所提出的模型在unigram多样性(distinct-1)和bigram多样性(distinct-2)上平均提高了26.7%和28.7%。

基于情感可控文本生成的可解释推荐系统

文本生成是实现可解释推荐系统的有效技术途径之一,有利于提升用户对平台的满意度和信任感.然而,现有方法忽略了用户历史评论与目标物品之间的情感一致性问题,使得所生成的解释文本差强人意.以电商推荐场景为例,提出一种基于情感可控文本生成的可解释推荐框架.该框架由评分回归模型与解释生成模型串联而成,前者输出的预估评分作为情感查询,用于辅助后者从历史评论中甄选出情感一致的评论语料,并产生情感可控的解释文本.通过建立多任务联合学习机制,实现了评分回归模型与解释生成模型之间的双向互通和协同优化.四个电商场景下的实验结果表明,所提出方法在评分预测精度和文本生成质量两类指标上均具有显著的性能优势.

“缘督以为经”与“处乎材与不材之间”——论庄子人生哲学与其审美情感的生成

庄子哲学是审美人生艺术哲学。他关注个体的情感心理和精神世界,在出世与入世二元对立中,努力摆脱现实的束缚,追求处世哲学的圆融与超越。庄子从"无何有之乡"到"人间世",提出"缘督以为经"的方法修身养性、"处乎材与不材之间"的原则与世相处,实现其人生哲学与审美情感的生成。

情感教育背景下历史教师的职责——基于道德情感生成结构理论的分析

情感教育是历史教学的重要内容之一。根据道德情感生成结构理论,历史学教师应将情感教育的思想贯穿始终。在日常生活和教学过程中,教师应对历史持有丰富的情感和价值判断;在教学准备阶段,应将情感教育置于显著位置;在教学过程中,既应激发学生对历史的丰富情感,又应让其有充分地思考和过滤;课后应努力帮助学生将历史情感运用于实践,从而让其内化为自身的历史价值观。

基于生成对抗网络的情感对话回复生成

近年来,随着神经网络技术和自然语言处理技术的不断深入发展,基于深度神经网络的对话生成研究取得了突破性的进展,使得人机对话系统广泛应用于生活中,提供便利,比如电商客服、语音助手等。然而,现有的模型倾向于产生一般的回答,普遍缺乏情感因素。针对该问题,提出了一种基于生成对抗网络的情感对话内容生成模型——EC-GAN(emotional conversation generative adversarial network),通过结合多指标奖励与情感编辑约束产生更有意义和可定制的情感回复。对于生成器,使用Seq2Seq模型生成回复,接受判别器的奖励,引导生成句子的回复,提高多样性和情感丰富度;对于判别器,使用双判别器、内容判别器可以确定回复是否属于通用回复,情感判别器判别生成语句的情感与指定的情感类别的一致性,并将判别结果反馈到生成器,指导回复生成。注意观察输入与回复之间的情感变化,验证交互情感的共鸣度存在的方向性。在NLPCC 2017 Shared Task 4——emotional conversation generation的实验表明,模型不仅可以提高回复的流畅性和多样性,同时也显著提高了情感丰富度。

面向端到端的情感对话生成研究综述

人机对话作为人工智能的重要研究内容,受到了学术界和工业界的广泛关注。受到深度学习在自然语言处理成功应用的启发,越来越多的神经网络模型被研究者关注。其中基于端到端的神经网络模型能够从大规模语料中学习到有价值的规律和特征,生成有意义且多样性的回复,被广泛地应用于情感对话生成研究中。面向基于端到端模型的情感对话生成研究展开综述。首先,针对现有的研究成果,梳理并介绍了当前情感对话生成研究面向的任务和主要解决的问题,并且做出了详细的定义,整理并介绍了情感对话生成模型建模所需的数据集。其次,对端到端的神经网络模型的原理进行了简单的概述,并且分析和总结了情感对话生成研究在每个基础模型中的改进、研究现状、模型涉及的评价指标以及模型的性能。再次,对现阶段涉及到的模型评价方式按照自动评价以及人工评价方式进行了总结。最后,对未来情感对话生成研究的发展方向进行了展望。

道德情感的生成及对情感的净化功能

道德情感是情感的特殊形态,是基于一定的道德认知、通过一定人群的培养和特定社会环境的熏染而形成的、对现实生活中道德行为的道德价值认同的情感倾向。道德情感是一种辨别善恶、正确与错误的情感,其本身会抵制非道德的情感并进一步将其消解。同时,道德情感对其他非道德情感也进行有效的净化、矫正和道德引导,包括对愉悦、高兴等非道德情感的引导和对妒忌、憎恨等反道德情感的净化和矫正。

情感音乐生成方法研究

自计算机作曲出现便受到广泛的关注,随着人工智能技术的发展,越来越多的算法被应用于计算机作曲。情感是音乐的高维度特征,与音乐的本质内涵密切相关,研究情感与音乐的关系有助于提升作曲质量。就情感音乐的生成问题,首先对国内外的研究进行了总结;然后依次对音乐情感模型、音乐特征、音乐情感分类方法、情感音乐生成方法进行了研究,分析其优缺点,提出改良方法,最后进行总结归纳,并提出建议。

情感驱动的智能艺术研究综述

目的从数据、方法,以及应用三方面梳理情感化智能艺术的研究现状,并总结该领域的发展历程、局限性及未来研究趋势。方法基于当前的文献、研究成果与应用产品,回顾了情感标注方式的变化及其对情感艺术数据库的影响。解释了情感识别、可控生成、跨媒体等智能技术的实现原理,以及多种情感驱动的智能艺术方法。总结了三种情感与智能艺术的交互机制,以及代表性产品对医疗健康、文化教育、商业营销等领域的影响。结论情感化方法提升了智能作品的感染力,支持了艺术创作中的人机协同。随着艺术与技术的进一步融合,艺术领域将迎来新的生产、体验与消费模式。

构建和谐课堂 促进情感生成

和谐课堂是实现师生互动、生生互动、平等参与的保证。教师的爱心是构建和谐课堂的基础,课堂中关注细节、创设和谐的对话环境、安排和谐的实践活动,能促进学生情感的生成。

从符号学伴随文本视角探析《你好,李焕英》的情感生成

《你好,李焕英》在2021年春节档电影中脱颖而出,获得高票房和高关注度。基于符号学视角,电影通过伴随文本完成了情感机制的生成,在显性文本上建构了奇幻穿越喜剧的情感表达体裁与框架;在生成性伴随文本中充分考虑了春节档的语境进行情感符号的生产;在解释性伴随文本的基础上进行了情感意义的传承、塑造与拓展,电影《你好,李焕英》对伴随文本的挖掘为中国电影的生产制作提供了参考范本。

追求情感润泽的语文课堂——我的思与行

情感润泽的语文课堂,强调发掘“文本情”,珍视“儿童情”,让学生全身心地体验与感受语言文字的魅力,以情感润泽学生的生命。具体实施时,应做到:比对课标中的要求,发掘文本中的情感发展目标,彰显学习目标中的情感追求;通过情感融入的学习任务、情感体验的学习方式、情感鲜明的学习材料,凸显学习活动中的情感要素;在偏差处、疑难处、争辩处点拨,助力课堂对话中的情感生成;在学习过程中注重于文本留白处、心灵共振中、情感顿悟时引导学生的情感抒发。

多模态情感对话技术:研究综述与发展趋势

本文围绕人机交互系统中使用的多模态情感对话技术展开。为提供更高质量的用户体验和更人性化的服务,对话系统的应用不仅需要满足基本功能,还需要满足情感的感知、分析、整理和调整能力。在对话系统中处理情感可以减少对话障碍,促进用户更积极地参与对话。目前,情感对话任务可以分为对话情绪感知和情感对话生成两个子任务。前者侧重于对话中情感的分类,而后者专注于生成带有情感色彩的回复。特别地,多模态情感融合旨在通过整合来自不同模态的信息提高情感的感知准确性,是情感对话技术的重要方向。本文将针对多模态情感识别和对话生成任务进行广泛地研究与深入地探讨。

基于语义分析的情感计算技术研究进展

随着机器学习和大数据技术的应用发展,基于语义分析的情感计算与分析技术在研究人类的感知、注意力、记忆、决策、社会交流等诸多方面起着重大作用,它不仅影响到了人工智能技术的发展,还影响到了人/机交互的方式,并受到学术界以及企业界的广泛关注.在针对情感定义以及相关90多种情感模型分析的基础上,归纳并提出了目前情感分析领域中存在的6项关键性问题与挑战,其中主要包括:情感的来源与本质特征的表示问题;多模态的情感计算问题;外部因素对情感演化过程的影响度量问题;情感的个性化度量问题;情感群体化特征与传播动力学机制问题以及细微情感的表达、算法改进与优化等问题.同时,针对其中的关键问题与技术挑战进行了理论探讨、技术分析、实际应用以及当前工作进展与趋势分析,从而为深入研究和解决基于语义分析条件下的情感计算提供了新的研究线索与方向.

基于强化学习的机器人认知情感交互模型

为增强机器人的认知情感计算能力,依据PAD情感空间建立结合即时反馈和长期趋势的机器人认知情感生成方法,该文提出一种基于强化学习的机器人认知情感交互模型。首先,依据人际交往心理学理论,模拟人类情感生成过程进行类人情感生成,并从中提取相似性、积极性、共情性3个影响因素;其次,利用强化学习的全局统筹特性,建立响应情感状态与上下文长期情感状态之间的关联关系,从而对机器人情感生成过程进行建模;然后,将3个因素纳入模型奖励机制用于交互情感状态评估,实现模型更新并得到最优情感策略;最后,利用所得最优情感策略对应的最优情感状态对机器人情感状态转移概率进行更新,并依据6种基本情感状态在空间中的情感值,将其映射到连续情感空间中得到机器人的最优响应情感值。主客观对比实验表明,该文模型能有效增加机器人情感表达的细腻性、连续性、积极性以及共情性,还能有效降低机器人对外界情感刺激的依赖性,进一步提升和谐友好的人机交互关系。

捕捉情感,感悟提升

要实现引导学生激发内心的真性实感,及时捕捉学生的情感生成,达到情感态度教育目的,在历史与社会课教学中,教师需作多种努力：注重课堂情境的预设、捕捉课堂生成、善用教学技巧、提高认知水平等,以使学生的学习由真情开始,让学生感悟情感,提升情感。