- 综合排序
- 最热优先
- 最新优先
- 来自专栏韩曙亮的移动开发专栏
【每日随笔】情绪操控术 ① ( 三层大脑模型 - 爬行脑 情绪脑 理性脑 | 情绪脑负面效果 | 不要激活情绪脑 情绪中心 | )
、三层大脑的分层包裹关系 由于是逐步进化的原因 , 三重脑是一层包裹一层 ; 二、情绪脑的负面效果 1、情绪脑 VS 理性脑 爬行脑 已经进化了 3 亿 年 , 情绪脑 只有 5000 万年 , 理性脑 300 万年 的进化压制 ; 情绪脑 进化发展 很古老 , 人类社会发展只有 10000 年 , 现代社会发展只有 200 年 ; 情绪脑 是 绝对 不适应现代社会的 , 真正能控制 情绪脑 的人 , 才会成为现代社会的精英 ; 被情绪左右的人逐步会成为被淘汰 ; 2、情绪脑功能 情绪脑 的 安全模式 , 一旦发生安全危机 , 会做出以下情况 : 逃跑 : 敌人太强 , 直接跑路 ; 恫吓 : 通过发出声音 处于现代社会 , 将 情绪脑 点数清空 , 保证情绪不能失控 ; 这套机制在原始社会很有用 , 但是到了现代社会 , 就会导致很多弊端 ; 3、情绪脑负面效果 一旦跟人发生冲突 , 争吵 , 恋爱 , , 并且理性脑被压制 , 无法正常思考 , 想不开自杀就是这种情况 ; 不要把 情绪脑 放出来 , 一定要学会操控情绪 , 才能更好的在现代社会生存 ; 现代社会 不要激活 情绪脑 , 一旦 情绪脑
2.9K10编辑于 2023-12-28 - 来自专栏乱码李
微博情绪分析
然后对分词后的词语进行情绪分析，这里使用大连理工大学林鸿飞教授带领全体教研室成员整理而成的「情感词汇本体库」。 最后使用spark将情绪分析结果进行数据整合。 情绪分析 情绪分析是将一个词语分出词性种类、情感类别、情感强度及极性，国外比较有影响的Ekman的6大类情感分类。 比如： 中文情感词汇本体 大连理工大学林鸿飞教授带领全体教研室成员整理而成的「情感词汇本体库」，是目前最权威的中文情绪词典，共含有情感词共计27466个。 下图是一些示例： 情绪分析存在的问题 只能分析词汇，不能分析语法结构 快乐都是别人的，高兴一天天离我而去 分析结果: PA5+PA5 自定义情绪算法并不能很好的反应情绪值 词性： 褒义 如果一次分析200条微博，需要比较200*80=16000次 解决方案 真正想要解决情绪分析还是要靠机器学习和人工智能。
1.6K10发布于 2021-11-26 - 来自专栏石云升
情绪管理 - ABC理论
最近情绪有过几次情绪失控，就是突然为了一个很简单的事情发一次很大的火。事后挺后悔的，想起很久之前的情绪管理ABC理论。觉得很有必要在重新梳理下。警醒自己，问题出在自己身上。 什么是ABC理论？ 通常人们会认为诱发事件A直接导致了人的情绪和行为结果C，发生了什么事就引起了什么情绪体验。然而，你有没有发现同样一件事，对不同的人，会引起不同的情绪体验。 这就是心理学上的情绪ABC理论的观点。情绪ABC理论的创始者埃利斯认为：正是由于我们常有的一些不合理的信念，才使我们产生情绪困扰，如果这些不合理的信念日积月累，还会引起情绪障碍。 情绪ABC理论中，A表示诱发事件；B表示个体针对此诱发事件产生的一些信念，即对这件事的看法和解释；C表示个体产生的情绪和行为结果。 通常人们会认为诱发事件A直接导致了人的情绪和行为结果C，发生了什么事就引起了什么情绪体验。然而，同一件事，人们的看法不同，情绪体验也不同。
1.5K20编辑于 2022-07-29 - 来自专栏脑机接口
脑电与情绪
情绪定义与情绪表示 ? 情绪是对一系列的主观认知经验的通称，它包括人对外界刺激或自身刺激的心理反应，以及其伴随的生理反应。 情绪不管在个体自身还是在个体与他人之间、个体与社会生活之间都有着非常重大的作用，因而情绪识别的研究不论在理论上还是实际应用中都有着极为重要的意义。正确的情绪表征是情绪识别研究的关键步骤。 对于情绪表征，许多研究者提出了相应的情绪表征方法，主要有以下几类： 将情绪分类表示，称为离散模型理论。该理论认为复杂的情绪是由基本情绪的组合而成。 Plutchik等人提出了八种基本情绪：愤怒，恐惧，期待，悲伤，厌恶，惊讶，接受和欢乐，并认为其他复杂情绪都可以由这些基本情绪的组合形成。 从维度角度来表征情绪，称为连续模型理论。 大脑的左前区与快乐、生气这些趋近性的情绪有关，而大脑右前区则与伤心、害怕这些回避式的情绪有关。
98930发布于 2020-06-30 - 来自专栏ThoughtWorks
和情绪相伴｜女性
我想很多女性在自己的职业生涯中，都会遭遇情绪管理的问题，上面是我的同事在我一次工作情绪失控后对我讲起的话，那也是我第一次意识到情绪的杀伤力。 那是在09年，我在新加坡做项目。 有时想想，情绪控制不住的时候，与其让它失控，伤人伤己，不如为它找个出口，主动表达出来，或许会是一种更强大的力量。 掩藏不住情绪的时候，不如真实 还是和客户有关的一个故事。 但意识到自己失态之后，我立即把情绪压了下去。 客户敏锐的觉察到了我的情绪，正了正身体，非常专心的和我完成了接下来的谈话。 就在当天，他竟然发信确认了追加的合同款。 很多人说，在职场，情绪化是很不专业的表现，但我认为，只要我们的情绪没有伤害到别人，它就可以存在，因为情绪代表着最真实的自己。 这么多年，我也一直很感激，并且发自内心的尊重那些，在职场上能尊重别人情绪的人。 换一种角度来看待情绪，情绪也许是一件包装好的礼物，有时候包装得很丑，但你要先接受她，再去打开这份礼物。
35930发布于 2018-07-23 - 来自专栏数据的力量
学会清理坏情绪
我说：“人的情绪啊，跟生活中很多东西一样，都是有好有坏。 大家常在安慰别人的时候说要控制自己的脾气，其实那只是暂时的解决问题，因为被你控制、压抑的坏情绪还在你体内，随时都会复发。” 情绪只是你的需求是否得到满足的反映，人类和自己的情绪打交道是一种“全天候的活动”。说出来很多人可能都会吓一跳：人的一生中有40%的时间都处于负面情绪状态。 也就是说，我们将近一半的时间都在与各种消极情绪做斗争。 所以，如何自我清理情绪垃圾是一件很重要的事。现实社会对于成功的评判标准是很单一的，我们不必用公认的标准来衡量自己。
35820发布于 2018-07-23 - 来自专栏人工智能快报
微软发布情绪识别API
2015年11月11日，微软宣布其Oxford项目将开放一个可用于情绪识别的API。微软一位负责技术与研究的人员表示该API可帮助市场营销人员评估顾客对商店展示效果、电影或食物的反应。 商家可以用这个软件来创造一个客户工具，例如一个可以从照片中识别情绪并根据不同情绪给出不同选项的应用。根据微软介绍，该API应用该公司的云端情感识别算法来确定特定时刻某张照片中人的情绪。 这些情绪与面部表情相关，而表情是超越文化和国界的，且可以被情感应用程序识别。在解释情感应用程序接口得到的结果时，应该以得分最高的表情作为结果，其中的分数被归一化。
2.8K40发布于 2018-03-13 - 来自专栏脑机接口
脑电与情绪简介
情绪定义与情绪表示 情绪是对一系列的主观认知经验的通称，它包括人对外界刺激或自身刺激的心理反应，以及其伴随的生理反应。 情绪分类 情绪不管在个体自身还是在个体与他人之间、个体与社会生活之间都有着非常重大的作用，因而情绪识别的研究不论在理论上还是实际应用中都有着极为重要的意义。正确的情绪表征是情绪识别研究的关键步骤。 对于情绪表征，许多研究者提出了相应的情绪表征方法，主要有以下几类： （1）将情绪分类表示，称为离散模型理论。该理论认为复杂的情绪是由基本情绪的组合而成。 Plutchik等人提出了八种基本情绪：愤怒，恐惧，期待，悲伤，厌恶，惊讶，接受和欢乐，并认为其他复杂情绪都可以由这些基本情绪的组合形成。 （2）从维度角度来表征情绪，称为连续模型理论。 大脑的左前区与快乐、生气这些趋近性的情绪有关，而大脑右前区则与伤心、害怕这些回避式的情绪有关。
1K10发布于 2020-06-30 - 来自专栏量化投资与机器学习
新闻情绪因子
3、情绪判定：对于整篇新闻及新闻中涉及的主体均做情绪判定。情绪一共分为三个类型，包括正面、负面及中性。算法会给出这个主体在三类情绪的概率分布，取概率最大的情绪类型作为该主体的情绪。 新闻情绪因子测试 1、新闻情绪因子构建过程中的选择 新闻情绪因子的构建主要在于用什么算法把某个股票一段时间内的在不同新闻中的情绪得分汇总成一个得分，针对这个问题，有不同的选择需要考虑： a. 逻辑上，考虑情绪得分的时间衰减的处理方式更为合理，但由于新闻情绪数据噪音很大，具体的结论还要看测试结果。 我们以不同的字母代表不同的处理方式，具体说明如下 REL：情绪得分计算时使用相关度指标 NOREL：情绪得分计算时不使用相关度指标 TOT：计算情绪得分的总分 MEAN：计算情绪得分的平均分 EX：去除中性新闻 NOEX：保留中性新闻 EQUAL：等权计算情绪得分，不考虑时间衰减 TIME：按时间权重计算情绪得分 那么，例如REL_TOT_EX_TIME就表示考虑了相关度及情绪衰减，去除中性新闻的情绪总分。
2.2K21发布于 2019-10-21 - 来自专栏大数据文摘
情绪是虚拟货币？告诉你情绪识别真正的应用前景！
计算机的情绪识别能用来做什么？ 绝大多数的人可能还停留在当年看的美剧《Lie to me》的阶段，想着把情绪识别当测谎仪用，抓疑犯？斗小三？ 目前已经有大约 100 多条情绪感知的专利，其中大多数都与广告相关。 比如 Affidavit 就申请了一种就人们的观后反应动态为广告动态定价的专利，还有情绪感知的自动贩卖机，以及按照顾客情绪来决定是否推送广告的 ATM 机等等。 这些都预示了苹果公司新的研究线路：情绪导向的广告投放。 但是我们无法忽视这样带来的隐私问题，人们是否愿意接受这样的广告推送？这样检测人们的情绪状态是不是对个人隐私的一种侵犯？ 通过统计用户的整体情绪状态，用户就能直观看到自己的情绪状态与使用手机的情况之间的数据关联图。而且，用户愿意反馈的数据越多，Emotion Sense 反映给用户的数据也会越多。
83140发布于 2018-05-23 - 来自专栏镁客网
标榜着“有情绪”的机器人们，真的有情绪吗？
”，一个号称有情绪、有个性的交互机器人，名字叫Moorebot…… 在机器人研究领域，人机交互一直是人们追逐的一个目标，而“情绪”作为其中的一个分支，也因此而得到了研究人员的重视。 细细数来，包括Pepper在内，市面上有很多自带“有情绪”标签的机器人，然而，贴上一个标签就能代表拥有这个技能了吗？那些标榜着“有情绪的”的机器人真的拥有自己的“情绪”吗？ 所谓的“有情绪”只是“情绪识别” 情绪识别，就是机器人将从传感器采集来的信号进行分析和处理，从而得出人类正处在的情绪状态，基于情绪识别，机器人可以给出相关的回馈。 由此，我们即可以知道，机器人所谓的“有情绪”也仅仅只是系统的一种原有设定，从源头来讲，就是由“情绪识别”所引导的，并不能自行生成。 由此我们来看，连“情绪识别”的技术还尚未到家，这所谓的“有情绪”的回应又该如何进行？
47141发布于 2018-05-29 - 来自专栏深度学习和计算机视觉
基于OpencvCV的情绪检测
情绪检测或表情分类在深度学习领域中有着广泛的研究。使用相机和一些简单的代码我们就可以对情绪进行实时分类，这也是迈向高级人机交互的一步。 前言 本期我们将首先介绍如何使用Keras 创建卷积神经网络模型，再使用摄像头获取图片进行情绪检测。 现在，可以使用此模型创建情绪检测器，从而完成模型生成。 驱动程式码 现在，我们将使用在上一节中创建的模型来说明用于情感检测的代码。 首先，让我们再次导入一些运行代码所需的模块。 haarcascade_frontalface_default.xml') classifier = load_model('/EmotionDetectionModel.h5') 现在，我将定义一个变量class_labels来存储类的名称或我们要预测的情绪类型 'Angry','Happy','Neutral','Sad','Surprise'] cap=cv2.VideoCapture(0) 结论 因此，在这里我已经解释了使用OpenCV和Keras创建情绪检测的过程
1.2K40发布于 2020-08-20 - 来自专栏历史专栏
【愚公系列】《Manus极简入门》009-情绪管理顾问：“情绪平衡大师”
因此，学会管理情绪，掌握情绪的平衡之道，就如同掌握了一把开启幸福生活的钥匙。 一、情绪管理顾问：“情绪平衡大师” 1. 应用场景 “情绪平衡大师”是一位专业的情绪识别与管理顾问，致力于帮助个人深入理解并有效调节自身情绪反应。 您的服务对象为有情绪管理需求的人群，如压力应对者、情绪困扰者、自我提升者、心理健康关注者或寻求生活平衡者。您应像一位贴心的情绪顾问，既提供科学的情绪理解框架，又给出实用的情绪调节建议。 尤为重要的是，应强调情绪的接纳与理解，帮助用户建立既能觉察情绪又不被情绪左右的平衡关系。 关键步骤：进行全面的情绪识别觉察，了解个人情绪波动的原因，并将通用的情绪波动原因与情绪平复活动制作成PDF格式的推荐手册。
14210编辑于 2025-05-28 - 来自专栏阿ze
【如何保持稳定的情绪】
近期发生的新闻热点再度引发公众对稳定情绪和心理健康的关注。有时候我们遇到的最大的敌人，不是运气也不是能力，而是失控的情绪和口无遮拦的自己。如何在工作中保持稳定的情绪？ 一、工作中让你有强烈情绪波动的事情 当满心欢喜的完成了一项任务时，突然通知需要更改或者推倒重来，看着自己刚刚做完的事情，难免内心会充满抱怨，这也是很多乙方面临的困境。 二：分享你的情绪调节技巧和策略 当碰到不满时，需要寻找到最适合自己的发泄方式，进行随性的绘画或者看一部喜欢的电影、或者将内心的不满通过文字抒发出来。
26720编辑于 2023-07-24 - 来自专栏韩曙亮的移动开发专栏
【每日随笔】情绪操控术 ③ ( “ 情绪脑 “ 危险的识别机制 | 避免 “ 危险识别机制 “ 误判 | 做局儿原理 - 激活情绪脑 )
一、" 情绪脑 " 危险的识别机制 1、情绪脑对危险的识别机制 " 情绪脑 " 对危险的识别机制 很差 ; 在原始社会 , 面对大型动物 , 恶劣天气 , 触发情绪脑 ; 在现代社会 , 基本没有生命危险 , 也不需要触发情绪脑的安全机制 ; 但是 人的 情绪脑 仍然会 触发 , 稍微感觉有一点威胁 , 就会触发 ; 2、避免 " 危险识别机制 " 误判 对发生的任何 " 危险事件 " 进行预判 , 以及对应的 , 在任何地方都会造成危害 ; 与人发生口角 , 释放情绪脑 , 直接开始斗殴甚至杀人 ; 考试的时候 , 题目不会 , 感觉人生完了 , 情绪脑释放 , 大脑一片空白 , 别想上 985 ; 看到危险 , 马上激活情绪脑 , 心跳加速 , 肾上腺素分泌增加 , 双手冒汗 , 理性脑立刻被压制没有思考能力 ; 4、压力过大 - 超过人承受阈值 - 自杀 生存是人的本能 , 为什么有人会自杀呢 ? 激活情绪脑 1、情绪脑激活前提 原始社会 中 , 物质极度缺乏 , 如果遇到 丰富的物质 , 比如 : 一堆果子 , 一只猎物 ; 这 对 " 生存 " 及其有利 , 帮助极大 , 立刻就会激活 " 情绪脑
16510编辑于 2024-05-16 使用 Shimmer3 进行情绪识别：从生理信号看懂情绪变化
原创作者：科采通 ｜ 专注生理信号采集、可穿戴设备、数据分析一、背景：情绪可“见”吗？在人类的社交和行为中，情绪起着关键作用。但相比心率、血压等可量化的生理参数，情绪似乎更主观，难以衡量。 那么，有没有办法客观识别一个人的情绪状态呢？答案是肯定的：情绪会影响我们的生理反应，比如心跳、出汗、肌肉紧张、皮肤温度等。 三、情绪研究中的关键生理指标生理信号相关情绪线索GSR（皮电）兴奋程度、焦虑、恐惧HR/HRV（心率变异）放松 vs 紧张、快乐 vs 恐惧Skin Temp（皮肤温度）压力状态EMG（面部肌电）微笑、 四、Shimmer3 情绪实验方案设计 目标：利用 Shimmer3 收集受试者在不同情绪刺激下的生理信号数据，分析并识别其情绪状态（如快乐、悲伤、愤怒、恐惧等）。 六、实际应用场景 心理健康监测：焦虑发作预警、抑郁识别； 沉浸式交互系统：情绪感知 VR/游戏； 智能穿戴设备：手环识别压力与情绪状态； 教学与培训场景反馈：在线学习平台监测注意力与情绪波动。
19110编辑于 2025-06-17- 来自专栏大数据文摘
基于面部表情的情绪识别
当我们谈到情绪识别的时候，就不得不提一个在这个领域做出了巨大贡献的人——埃及科学家 Rana el Kaliouby。 为了阐明工作原理，首先我们需要知道情绪识别的理论基础。Paul Ekman(一个心理学家) 提出了六种无论性别年龄生长环境，人人都会具有的基本情感：愤怒，厌恶，恐惧，快乐，悲伤和惊讶。 回到电脑的情绪识别，其实做法就是在面部提取一些关键的点，将那些相对不变的“锚点”，比如鼻尖，最为一些参考的固定点，然后用像嘴角这样的点来判断你做出的表情。 就这样他们有了足够的资料开发 MindReader，一个可以在几乎各种环境下检测出复杂情绪的软件，也是 Affdex 的原型。 目前，情绪识别已经被广泛运用于商业，未来还将会有更加多样的运用前景。 摘自：36氪
2.4K50发布于 2018-05-23 - 来自专栏CSDN社区搬运
让机器感受你的情绪！
让计算机理解你的情绪！ 随着近年来社交媒体的快速增长，社交媒体上的用户生成内容（例如视频）的量大幅增加。不同模态的自动情感分析有利于人机交互，并吸引了大量的研究兴趣。 提升文本相关性: 由于文本数据通常提供最直接和详细的情感表达，以文本为主导的多头注意力可以确保模型在情感分析中更准确地捕捉和理解文本内容的情感色彩和情绪。 这些话语被手动注释为[-3，3]之间的连续意见评分，其中-3/+3表示强烈的消极/积极情绪； 2.
18011编辑于 2025-01-02 - 来自专栏音乐与健康
从“猜情绪”到“懂人心”
人类情感表达包含从词汇细节（如 “愤怒” 的用词）到全局倾向（如整段话的情绪基调）的多尺度信息，但传统模型常依赖单一层次的特征（如仅用模型最后一层输出），就像只用一句话的结尾判断整段话的情绪，难免片面。 比如，当处理语音时，CIT 会将文本中的语义信息（如 “开心” 的词汇）映射到语音特征空间，让语音模型更精准捕捉语调中的积极信号；反之，也能将语音的情绪波动 “翻译” 给文本模型参考。 随着模态交互更自然、融合层次更精细，未来的机器或许不仅能 “认出” 我们的情绪，更能 “理解” 情绪背后的需求。而这，正是人工智能真正贴近人类的开始。
13210编辑于 2025-08-29 - 来自专栏深度学习与python
Twitch表情中的情绪分析
今年七月，一篇论文提出了一种新方法，该方法利用包含了 30000 条推文的数据库，根据用户发到社交网络博文下的“GIF 反应”（见下图），对博文引发的情绪进行归类和预测。 该论文发现，这类以图像为主的反应从各方面来说都很容易衡量，因为大多数都不会包含情绪分析中的弱势项：讽刺。 颜文字 emotes 是指 Twitch 上用来表达情绪、情感或小众笑话的新造词。 爆红后的转型 尽管这些表情新鲜一时又多数短命，但 Twitch 经常会把旧表情素材挖出来回收利用，让饱经训练的情绪分析框架判断错误。 利用这个颜文字的伪词典，我们创建了一个包含 22,507 个表情的情绪表，可以说是第一个如此规模的颜文字解读案例。
1K30编辑于 2021-12-16
腾讯云开发者
