情感被誉为人类社会生活的文法（Grammar of Social Living），情感计算（Affective Computing）旨在创建一种能感知、识别和理解人的情感，并能针对人的情感作出智慧、灵敏、自然反应的计算系统。

本文来源于广告门 adquan.com

其研究领域，涉及计算机科学、脑与心理科学、社会科学等学科。

计算机科学与机电科学侧重于提供各类信息技术手段和工程化能力，能够对情感的感知、识别、理解、反馈等实施数字化重构和计算实现，从而使机器能够拥有类人情感心智功能。

脑与心理科学的心理及意识领域侧重于提供关于人类情感的基础定义、相关要素结构存在的意义等方面的理论，这为情感理论建模构筑了基石；

脑与心理科学的另一分支——认知神经科学则侧重于研究人类大脑对情感加工的机理以及建立与情感相关的心理要素功能网络，这为开发情感计算模型提供了关键的启发和策略的指导。

社会科学和医学为情感计算的应用提供了充分的“用武之地”，是该类技术应用场景设计的策源地。

由此可见，情感计算是一个多学科共建的领域，也是一个由行业实际需求推动技术进步和迭代的领域。

情感理论建模

在情感计算领域，运用最多的理论模型是情感分类理论模型，主要包括离散情感模型和维度情感模型。

离散情感模型

离散情感模型将情感分为各个独立的标签，每一种情感之间没有关联性。

美国心理学家卡罗尔·伊扎德（Carroll Izard）使用因素分析法，建立了包括兴趣、惊讶、痛苦、厌恶、高兴、愤怒、恐惧、悲伤、害羞、轻蔑、忏悔在内的 11 种基本情感分类模型。

埃克曼通过表情分析，得出了更为普遍接受的七种基本情感分类模型，即快乐、悲伤、愤怒、厌恶、惊讶、恐惧和蔑视。

离散情感模型更符合人的认知与在日常生活中的表达形式，主要反映的是人类的基本情感类型，区分较为清晰，具有天然的可解释性。

维度情感模型

维度情感模型则是运用情感空间将不同的情感通过多维向量进行表示。

在情感的二维分类模型中具有代表性的是美国心理学家詹姆斯· 罗素（Jmaes Russel）提出的环形情感分类模型。

也因其横纵轴结构（横轴表示效价，左右分别表示消极和积极情感；纵轴表示唤醒度，上下分别表示唤醒程度高和低）被称为 VA（Valence-Arousal）情感模型。

情感的三维分类模型的种类很多，主要也是通过轴和极点来界定情感的类型，所有情感分布在每个轴两极间的不同位置。

比较常用的有两种：由愉悦度（Pleasure）、激活度（Arousal）、优势度（Dominance）组成的情感三维模型；由愉悦度（Pleasure）、强度（Activation）、关注度（Attention）组成的情感三维模型。

另一个著名的情感三维模型是美国心理学家罗伯特·普拉奇克（Robert Plutchik）提出的基于情感进化理论的“情感轮”模型，也被称为倒锥体情感三维模型；包括两极性（Polarity）、相似性（Similarity）、强度（Intensity）三个维度。

不同于传统的情感维度模型，该模型是情感进化理论的一部分，系统阐释了八种基本情感，并提出了“其他情感（复合情感）是由基本情感组合而成”的重要论述。

情感的四维分类模型由于过于抽象和复杂，并未被广泛接纳。

目前，运用比较多的是情感二维分类模型和情感三维分类模型。

在这些理论模型的基础上，研究者尝试对情感进行量化，转换成客观可表征的数据，以推动人机交互和情感体验研究的发展。

情感计算的研究内容

情感计算的研究内容主要包括五个方面。

1.情感基础理论。目前主要依托心理学领域的离散情感模型和维度情感模型对情感进行界定，并由基本情感向复合情感延伸。

2.情感信号的采集。主要涉及文本、语音、视觉（如表情、手势等）、生理信号等多个方面，并建立相应的数据集

3.情感分析。运用机器学习和深度学习算法对情感信号进行建模与识别。

4.多模态融合。基于多模态情感特征和融合算法，以提升情感分类准确率。

5.情感的生成与表达。让机器人通过面部表情、语音语调、肢体动作等表现出情感状态。

情感基础理论模型主要包括离散情感模型和维度情感模型两种类型。两种类型各有优劣，具体采用哪种模型，取决于实际应用任务和场景需求。

离散情感模型：能更好地与词汇和概念进行语义上的接轨，具有易于理解、可解释性强和界定清晰的优势，但其细粒度不高，对情感的量化描述能力有限。

维度情感模型：是一个连续空间的回归问题，其优势在于具有很强的定量性、抽象性和归纳性，且情感数值向量具有连续性，但其不具备直观的可解释性，使得机器难以形成丰富的情感交互应对策略。

《结束》

配图来自网络，侵权删

更多品牌、市场洞察干货，扫码查看~~