清华大学黄永峰教授：网络社交媒体情感认知与计算

"该资源是清华大学电子工程系信息认知与系统智能研究所副所长黄永峰在2015年12月23日的‘社会关系网络与大数据技术’专场论坛上的演讲，主题为《网络社交媒体的情感认知与计算》。讲座主要探讨了情感计算的历史、情感的分类、情感计算的四个过程以及情感信息采集和分析的重要性。" 黄永峰教授提到的情感计算起源于1997年MIT的Picard教授，这一领域关注与情感相关、源于情感或能影响情感的计算活动。情感被分为四大类：情感识别、情感表示、情感建模和情感交互。本次讲座重点在于情感识别的研究。情感计算包括情感信息采集、情感识别分析、情感理解认知和情感信息表达四个阶段，目前更多的是关注识别和分析。 情感信息的采集在当今时代更多地依赖于互联网，特别是通过语言数据来洞察个体情感。因为语言是思维的直接体现，是情感表达的重要工具。然而，情感信息的大部分（70%）来自于非语言内容，如表情，而只有10%来自语言本身，20%来自语音的语调和语气。这表明基于语言内容进行情感分析具有相当的挑战性。 在讨论情感的概念时，黄永峰引用了Plutchik的情绪模型，这是一个经典理论，将人的情绪划分为八种基本情绪：喜悦、信任、恐惧、惊讶、悲伤、厌恶、愤怒和期待。这些基本情绪可以相互结合，形成复杂的情感状态。通过理解这些情绪模型，有助于我们更好地理解和计算网络社交媒体上人们表达的情感。 在社交媒体上，用户发表的文字、图片、视频等都能反映出他们的情感状态，这些信息对于大数据分析和人工智能来说具有巨大价值。例如，情感分析可以应用于市场研究，帮助企业了解消费者对产品或服务的态度；在政治分析中，可以评估公众对政策的反应；在心理健康领域，可以监测个体的情绪变化，提供早期预警。 随着自然语言处理和机器学习技术的进步，情感计算的能力不断提高。通过深度学习和神经网络模型，系统能够更准确地识别和理解文本中的情感色彩，进一步推动了情感计算在社交网络分析、舆情监控、智能客服等多个领域的应用。 在未来，黄永峰教授提到的研究方向——情感理解认知，将更深入地探讨如何从大量语言数据中提取更深层次的情感含义，以及如何使计算机系统具备理解、模拟和回应人类情感的能力。这将进一步推动人机交互的发展，使得人工智能系统更加人性化，提高用户体验。