情感计算旨在创建一种能感知、识别和理解人类情感，并能针对情感作出智慧灵敏反应的计算系统。情感计算是实现自然化、拟人化、人格化人机交互的基础性技术和重要前提，也为人工智能决策提供了优化路径，对开启智能化、数字化时代具有重大价值。本书主要介绍了情感计算的意义、概念、研究内容、研究现状等，详细阐述了文本情感计算、语音情感计算、视觉情感计算、生理信号情感计算、多模态情感计算的研究方法、核心技术和算法，以及拟人情感对话系统的构建。本书坚持“四个面向”，不仅深化了情感计算的理论内涵、学科脉络和技术架构，而且强调了情感计算的实际价值和具体应用。本书所属丛书是国内第一套系统阐述情感计算发展、理论和应用的丛书，有助于读者更加清晰地把握情感计算的全貌。

第一章 绪论
1.1 情感计算的发展历程
1.2 情感计算的存在意义
1.3 情感计算的未来挑战
1.3.1 情感计算的可行性
1.3.2 情感计算的理论和技术突破
1.3.3 情感计算的监管需求
第二章 情感及情感计算
2.1 情感计算的由来
2.1.1 人类社会的情感
2.1.2 可计算的情感
2.2 情感的分类方法
2.2.1 离散情感模型
2.2.2 维度情感模型

第一章 绪论
1.1 情感计算的发展历程
1.2 情感计算的存在意义
1.3 情感计算的未来挑战
1.3.1 情感计算的可行性
1.3.2 情感计算的理论和技术突破
1.3.3 情感计算的监管需求
第二章 情感及情感计算
2.1 情感计算的由来
2.1.1 人类社会的情感
2.1.2 可计算的情感
2.2 情感的分类方法
2.2.1 离散情感模型
2.2.2 维度情感模型
2.2.3 其他情感模型
2.3 情感计算的研究内容
2.3.1 情感基础理论
2.3.2 情感信号的采集
2.3.3 情感分析
2.3.4 多模态融合
2.3.5 情感的生成与表达
2.4 情感计算的研究方法
2.4.1 传统机器学习方法
2.4.2 深度学习方法
2.5 情感计算的研究现状
2.5.1 单模态情感计算
2.5.2 多模态情感计算
2.6 情感计算的功能特点
2.6.1 情感计算的行业应用
2.6.2 情感计算的未来趋势
第三章 文本情感计算
3.1 背景概述
3.1.1 基于情感词典和规则库的文本情感计算
3.1.2 基于机器学习的文本情感计算
3.1.3 基于深度学习的文本情感分析
3.2 代表数据集
3.2.1 中文文本情感分析数据集介绍
3.2.2 英文文本情感分析数据集介绍
3.3 主要方法
3.3.1 基于传统机器学习的方法
3.3.2 基于深度学习的方法
3.4 应用及展望
第四章 语音情感计算
4.1 背景概述
4.1.1 语音情感计算研究背景
4.1.2 语音情感计算研究现状
4.2 代表数据集
4.2.1 数据集的分类
4.2.2 常见的语音情感数据集
4.3 主要方法
4.3.1 语音信号的预处理
4.3.2 语音情感特征提取
4.3.3 传统的方法
4.3.4 深度学习的方法
4.4 技术挑战
4.5 应用及展望
4.5.1 医学领域
4.5.2 服务领域
4.5.3 公共安全领域
4.5.4 教育领域
第五章 视觉情感计算
5.1 背景概述
5.1.1 视觉情感计算研究背景
5.1.2 视觉情感计算研究现状
5.2 代表数据集
5.2.1 图像情感数据集
5.2.2 视频情感数据集
5.3 主要方法
5.3.1 基于传统机器学习的方法
5.3.2 基于深度学习的方法
5.4 技术挑战
5.4 ..1语义鸿沟
5.4.2 情感表述的准确性
5.4.3 标注困难
5.4.4 数据库构建困难
5.5 应用及展望
第六章 生理信号情感计算
6.1 背景概述
6.1.1 基于生理信号的情感计算研究背景
6.1.2 基于生理信号的情感计算发展现状
6.2 脑电信号
6.2.1 数据集介绍
6.2.2 信号处理方法
6.3 眼动信号
6.3.1 数据集介绍
6.3.2 信号处理方法
6.4 肌电信号
6.4.1 数据集介绍
6.4.2 信号处理方法
6.5 皮肤电信号
6.5.1 数据集介绍
6.5.2 信号处理方法
6.6 心电信号
6.6.1 数据集介绍
6.6.2 信号处理方法
6.7 呼吸信号
6.7.1 数据库
6.7.2 呼吸信号处理方法
6.8 技术挑战
6.9 应用及展望
第七章 多模态情感计算
7.1 背景概述
7.1.1 什么是多模态
7.1.2 单模态与多模态对比
7.1.3 多模态情感计算的概念
7.2 代表数据集
7.3 融合藜略
7.3.1 特征层融合
7.3.2 决策层融合
7.3.3 模型层融合
7.4 技术挑战
7.4.1 标注问题
7.4.2 跨模态问题(表征与融合)
7.4.3 多模态情感计算的新挑战
7.5 应用及展望
7.5.1 应用场景
7.5.2 未来方向
第八章 拟人情感对话系统
8.1 背景概述
8.2 系统框架
8.2.1 多模态感知模块
8.2.2 语义理解
8.2.3 情感识别
8.2.4 共情回复
8.2.5 内容生成
8.2.6 情感表达
8.3 代表系统
8.4 应用场景
8.5 技术挑战
8.6 应用及展望
参考文献

[展开]