التعرف على المشاعر

📅 آخر تحديث: ٢٥ يوليو ٢٠٢٦
✍️ نُشر في: ٢٥ يوليو ٢٠٢٦
الموسوعة الحرة

التعرف على المشاعر هو عملية تحديد المشاعر الإنسانية . يتباين الناس بشكل كبير في دقة قدرتهم على تمييز مشاعر الآخرين. يُعدّ استخدام التكنولوجيا لمساعدة الناس في التعرف على المشاعر مجالًا بحثيًا حديثًا نسبيًا. عمومًا، تعمل التكنولوجيا بشكل أفضل عند استخدامها لوسائل متعددة في سياق واحد. حتى الآن، انصبّ معظم العمل على أتمتة التعرف على تعابير الوجه من الفيديو، والتعابير المنطوقة من الصوت، والتعابير المكتوبة من النص، والوظائف الفسيولوجية المقاسة بواسطة الأجهزة القابلة للارتداء.

بشر

يُظهر البشر تباينًا كبيرًا في قدراتهم على تمييز المشاعر. ومن النقاط الأساسية التي يجب مراعاتها عند تعلم التعرف الآلي على المشاعر، وجود مصادر متعددة لـ"الحقيقة الأساسية"، أو ما يُعرف بحقيقة المشاعر الحقيقية. لنفترض أننا نحاول التعرف على مشاعر أليكس. أحد هذه المصادر هو: "ماذا سيقول معظم الناس عن شعور أليكس؟". في هذه الحالة، قد لا تتطابق "الحقيقة" مع ما يشعر به أليكس فعلاً، بل مع ما قد يقوله معظم الناس عن مظهره. على سبيل المثال، قد يشعر أليكس بالحزن، لكنه يبتسم ابتسامة عريضة، فيقول معظم الناس إنه يبدو سعيدًا. إذا حققت طريقة آلية نفس نتائج مجموعة من المراقبين، فيمكن اعتبارها دقيقة، حتى لو لم تقيس في الواقع ما يشعر به أليكس حقًا. مصدر آخر لـ"الحقيقة" هو سؤال أليكس عما يشعر به فعلاً. ينجح هذا إذا كان أليكس مُدركًا لحالته الداخلية، ويرغب في إخبارك بها، وقادرًا على التعبير عنها بدقة بالكلمات أو الأرقام. مع ذلك، يعاني بعض الأشخاص من صعوبة التعبير عن مشاعرهم، فلا يدركون دلالاتها الداخلية، أو لا يستطيعون التعبير عنها بدقة بالكلمات والأرقام. عمومًا، قد يتطلب الوصول إلى حقيقة المشاعر الموجودة جهدًا، ويختلف ذلك باختلاف المعايير المختارة، وعادةً ما ينطوي على قدر من عدم اليقين.

معادلة

أُجريت عقود من البحث العلمي لتطوير وتقييم أساليب التعرف الآلي على المشاعر. ويوجد الآن كمٌّ هائل من الدراسات التي تقترح وتقيّم مئات الأنواع المختلفة من الأساليب، مستفيدةً من تقنيات من مجالات متعددة، مثل معالجة الإشارات ، والتعلم الآلي ، ورؤية الحاسوب ، ومعالجة الكلام . ويمكن استخدام منهجيات وتقنيات مختلفة لتفسير المشاعر ، مثل الشبكات البايزية [ 1 ] ، ونماذج الخليط الغاوسي [ 2 ] ، ونماذج ماركوف المخفية [ 3 ] ، والشبكات العصبية العميقة [ 4 ] .

الأساليب

تتحسن دقة التعرف على المشاعر عادةً عند دمج تحليل تعابير الوجه من مصادر متعددة، كالنصوص، والبيانات الفيزيولوجية، والصوت، والفيديو. [ 5 ] ويتم الكشف عن أنواع المشاعر المختلفة من خلال دمج المعلومات المستقاة من تعابير الوجه ، وحركات الجسم، والإيماءات ، والكلام. [ 6 ] ويُقال إن هذه التقنية تُسهم في ظهور ما يُسمى بالإنترنت العاطفي . [ 7 ]

يمكن تصنيف الأساليب الحالية في التعرف على المشاعر لتصنيف أنواع معينة من المشاعر بشكل عام إلى ثلاث فئات رئيسية: التقنيات القائمة على المعرفة، والأساليب الإحصائية، والأساليب الهجينة. [ 8 ]

التقنيات القائمة على المعرفة

تستخدم التقنيات القائمة على المعرفة (والتي تُعرف أحيانًا بالتقنيات القائمة على المعجم ) المعرفة المتخصصة والخصائص الدلالية والنحوية للنصوص، وربما اللغة المنطوقة ، للكشف عن أنواع معينة من المشاعر . [ 9 ] في هذا النهج، يشيع استخدام موارد قائمة على المعرفة أثناء عملية تصنيف المشاعر ، مثل WordNet وSenticNet [ 10 ] و ConceptNet وEmotiNet [ 11 ] ، على سبيل المثال لا الحصر. [ 12 ] من مزايا هذا النهج سهولة الوصول إليه واقتصاديته، بفضل وفرة هذه الموارد القائمة على المعرفة. [ 8 ] في المقابل، يتمثل أحد عيوب هذه التقنية في عدم قدرتها على التعامل مع الفروق الدقيقة في المفاهيم والقواعد اللغوية المعقدة. [ 8 ]

يمكن تصنيف التقنيات القائمة على المعرفة إلى فئتين رئيسيتين: الأساليب القائمة على القواميس والأساليب القائمة على المدونات اللغوية. تعتمد الأساليب القائمة على القواميس على إيجاد كلمات أساسية تعبر عن الرأي أو العاطفة في القاموس ، ثم البحث عن مرادفاتها وأضدادها لتوسيع القائمة الأولية للآراء أو المشاعر . [ 13 ] أما الأساليب القائمة على المدونات اللغوية، فتبدأ بقائمة أولية من كلمات الرأي أو العاطفة ، ثم توسع قاعدة البيانات من خلال إيجاد كلمات أخرى ذات خصائص سياقية محددة في مدونة لغوية كبيرة . [ 13 ] ورغم أن الأساليب القائمة على المدونات اللغوية تراعي السياق، إلا أن أداءها لا يزال متفاوتًا في المجالات المختلفة، إذ قد يكون للكلمة في مجال ما دلالة مختلفة في مجال آخر. [ 14 ]

الأساليب الإحصائية

تتضمن الأساليب الإحصائية عادةً استخدام خوارزميات تعلم آلي خاضعة للإشراف ، حيث تُغذّى الخوارزميات بمجموعة كبيرة من البيانات المصنفة ليتعلم النظام ويتنبأ بأنواع المشاعر المناسبة . [ 8 ] توفر خوارزميات التعلم الآلي عمومًا دقة تصنيف معقولة أكثر مقارنةً بالأساليب الأخرى، ولكن أحد التحديات التي تواجه تحقيق نتائج جيدة في عملية التصنيف هو الحاجة إلى مجموعة تدريب كبيرة بما يكفي. [ 8 ]

تتضمن بعض خوارزميات التعلم الآلي الأكثر شيوعًا آلات المتجهات الداعمة (SVM) ، وخوارزمية بايز البسيطة ، وخوارزمية أقصى إنتروبيا . [ 15 ] كما يُستخدم التعلم العميق ، الذي يندرج ضمن فئة التعلم الآلي غير الخاضع للإشراف، على نطاق واسع في مجال التعرف على المشاعر. [ 16 ] [ 17 ] [ 18 ] وتشمل خوارزميات التعلم العميق المعروفة بنى مختلفة للشبكات العصبية الاصطناعية (ANN) مثل الشبكة العصبية الالتفافية (CNN) ، والذاكرة طويلة المدى (LSTM) ، وآلة التعلم المتطرفة (ELM) . [ 15 ] ولعلّ شيوع أساليب التعلم العميق في مجال التعرف على المشاعر يعود بشكل رئيسي إلى نجاحها في تطبيقات ذات صلة، مثل رؤية الحاسوب ، والتعرف على الكلام ، ومعالجة اللغة الطبيعية (NLP) . [ 15 ]

الأساليب الهجينة

تُعدّ الأساليب الهجينة في التعرّف على المشاعر مزيجًا من التقنيات القائمة على المعرفة والأساليب الإحصائية، حيث تستغلّ الخصائص المُكمّلة لكلا التقنيتين. [ 8 ] ومن بين الأعمال التي طبّقت مجموعة من العناصر اللغوية القائمة على المعرفة والأساليب الإحصائية، الحوسبة الحسية و iFeel ، وكلاهما اعتمد على مورد SenticNet القائم على المعرفة على مستوى المفاهيم. [ 19 ] [ 20 ] ويُعدّ دور هذه الموارد القائمة على المعرفة في تطبيق الأساليب الهجينة بالغ الأهمية في عملية تصنيف المشاعر . [ 12 ] ونظرًا لأنّ التقنيات الهجينة تستفيد من مزايا كلٍّ من الأساليب القائمة على المعرفة والأساليب الإحصائية، فإنّها تميل إلى تحقيق أداء تصنيف أفضل مقارنةً باستخدام الأساليب القائمة على المعرفة أو الأساليب الإحصائية بشكلٍ منفصل. مع ذلك، يُعدّ التعقيد الحسابي أثناء عملية التصنيف أحد عيوب استخدام التقنيات الهجينة. [ 12 ]

مجموعات البيانات

تُعدّ البيانات جزءًا لا يتجزأ من المناهج الحالية في مجال التعرّف على المشاعر، وفي معظم الحالات يُمثّل الحصول على بيانات مُصنّفة ضرورية لتدريب خوارزميات التعلّم الآلي تحديًا. [ 13 ] ولغرض تصنيف أنواع المشاعر المختلفة من مصادر متعددة الوسائط، كالنصوص والصوت والفيديو والإشارات الفيزيولوجية، تتوفر مجموعات البيانات التالية:

  1. HUMAINE: يوفر مقاطع طبيعية مع كلمات عاطفية وعلامات سياقية في وسائط متعددة [ 21 ]
  2. قاعدة بيانات بلفاست: توفر مقاطع فيديو تتضمن مجموعة واسعة من المشاعر من البرامج التلفزيونية وتسجيلات المقابلات [ 22 ]
  3. SEMAINE: يوفر تسجيلات سمعية بصرية بين شخص ووكيل افتراضي ويحتوي على تعليقات عاطفية مثل الغضب والسعادة والخوف والاشمئزاز والحزن والازدراء والتسلية [ 23 ]
  4. IEMOCAP: يوفر تسجيلات للجلسات الثنائية بين الممثلين ويحتوي على تعليقات عاطفية مثل السعادة والغضب والحزن والإحباط والحالة المحايدة [ 24 ].
  5. واجهة eNTERFACE : توفر تسجيلات سمعية بصرية لأشخاص من سبع جنسيات وتحتوي على تعليقات عاطفية مثل السعادة والغضب والحزن والمفاجأة والاشمئزاز والخوف [ 25 ].
  6. DEAP: يوفر تخطيط كهربية الدماغ (EEG) وتخطيط كهربية القلب (ECG) وتسجيلات فيديو للوجه، بالإضافة إلى تعليقات عاطفية من حيث التكافؤ والإثارة والسيطرة للأشخاص الذين يشاهدون مقاطع الأفلام [ 26 ] .
  7. DREAMER: يوفر تسجيلات تخطيط كهربية الدماغ (EEG) وتخطيط كهربية القلب (ECG)، بالإضافة إلى تعليقات عاطفية من حيث التكافؤ والسيطرة على الأشخاص الذين يشاهدون مقاطع الأفلام [ 27 ].
  8. MELD: هي مجموعة بيانات حوارية متعددة الأطراف، حيث يتم تصنيف كل عبارة وفقًا للعاطفة والشعور. توفر MELD [ 28 ] محادثات بصيغة فيديو، مما يجعلها مناسبة للتعرف على المشاعر وتحليلها عبر الوسائط المتعددة . تُعد MELD مفيدة لتحليل المشاعر والتعرف على العواطف عبر الوسائط المتعددة، وأنظمة الحوار ، والتعرف على العواطف في المحادثات . [ 29 ]
  9. يوفر برنامج MuSe تسجيلات سمعية بصرية للتفاعلات الطبيعية بين شخص وشيء ما. [ 30 ] ويحتوي على تصنيفات عاطفية منفصلة ومتصلة من حيث التكافؤ والإثارة والموثوقية، بالإضافة إلى مواضيع الكلام المفيدة لتحليل المشاعر متعدد الوسائط والتعرف على المشاعر.
  10. UIT-VSMEC: عبارة عن مجموعة بيانات قياسية لمشاعر وسائل التواصل الاجتماعي الفيتنامية (UIT-VSMEC) تضم حوالي 6927 جملة مصنفة بشريًا بستة تصنيفات للمشاعر، مما يساهم في أبحاث التعرف على المشاعر في اللغة الفيتنامية، وهي لغة ذات موارد محدودة في مجال معالجة اللغات الطبيعية (NLP). [ 31 ]
  11. يوفر BED معلومات عن حالة التكافؤ والإثارة لدى الأشخاص الذين يشاهدون الصور. كما يتضمن تسجيلات تخطيط كهربية الدماغ (EEG) للأشخاص المعرضين لمحفزات مختلفة ( SSVEP ، الراحة مع إغلاق العينين، الراحة مع فتح العينين، المهام المعرفية) لغرض القياسات الحيوية القائمة على تخطيط كهربية الدماغ . [ 32 ]

التطبيقات

يُستخدم التعرف على المشاعر في المجتمع لأسبابٍ عديدة. تُقدّم شركة Affectiva ، المنبثقة عن معهد ماساتشوستس للتكنولوجيا ، برمجيات ذكاء اصطناعي تُحسّن كفاءة أداء المهام التي كان يقوم بها البشر يدويًا، لا سيما جمع معلومات عن تعابير الوجه والصوت في سياقاتٍ مُحدّدة وافق المشاهدون على مشاركة هذه المعلومات فيها. على سبيل المثال، بدلًا من ملء استبيانٍ مطوّل حول مشاعرك في كل لحظةٍ أثناء مشاهدة فيديو تعليمي أو إعلان، يُمكنك الموافقة على أن تُصوّر الكاميرا وجهك وتستمع إلى ما تقوله، وتُسجّل خلال أي جزءٍ من التجربة تُظهر تعابير مثل الملل، أو الاهتمام، أو الحيرة، أو الابتسام. (تجدر الإشارة إلى أن هذا لا يعني قراءة مشاعرك الداخلية، بل يقرأ فقط ما تُعبّر عنه ظاهريًا). تشمل استخدامات Affectiva الأخرى مساعدة الأطفال المصابين بالتوحد، ومساعدة المكفوفين على قراءة تعابير الوجه، ومساعدة الروبوتات على التفاعل بذكاءٍ أكبر مع البشر، ومراقبة علامات الانتباه أثناء القيادة بهدف تعزيز سلامة السائقين. [ 33 ]

يتزايد استخدام تقنية التعرف على المشاعر في البحوث الأكاديمية كمنهج لدراسة قضايا العلوم الاجتماعية المتعلقة بالانتخابات والاحتجاجات والديمقراطية. وتركز العديد من الدراسات على تعابير وجوه المرشحين السياسيين على وسائل التواصل الاجتماعي ، وتخلص إلى أن السياسيين يميلون إلى إظهار السعادة. [ 34 ] [ 35 ] [ 36 ] ومع ذلك، تشير هذه البحوث إلى أن أدوات رؤية الحاسوب، مثل Amazon Rekognition، دقيقة فقط في رصد السعادة، وتُعد موثوقة في الغالب كـ"كاشفات للسعادة". [ 37 ] ولذلك، قام الباحثون الذين يدرسون الاحتجاجات، حيث يُتوقع ظهور مشاعر سلبية كالغضب، بتطوير نماذجهم الخاصة لدراسة تعابير السلبية والعنف في العمليات الديمقراطية بدقة أكبر. [ 38 ]

براءة اختراع مؤرشفة في 7 أكتوبر 2019 في Wayback Machine ، قدمتها سناب شات في عام 2015، تصف طريقة لاستخراج البيانات حول الحشود في الأحداث العامة من خلال إجراء التعرف الخوارزمي على المشاعر على صور السيلفي الخاصة بالمستخدمين والمحددة جغرافيًا . [ 39 ]

كانت شركة Emotient شركة ناشئة تُطبّق تقنية التعرّف على المشاعر لقراءة تعابير الوجه، من عبوس وابتسامة وغيرها، أي الذكاء الاصطناعي للتنبؤ بـ"المواقف والتصرفات بناءً على تعابير الوجه". [ 40 ] استحوذت شركة آبل على Emotient في عام 2016، وتستخدم تقنية التعرّف على المشاعر لتعزيز الذكاء العاطفي لمنتجاتها. [ 40 ]

توفر nViso خاصية التعرف على المشاعر في الوقت الفعلي لتطبيقات الويب والهواتف المحمولة عبر واجهة برمجة تطبيقات (API) تعمل في الوقت الفعلي . [ 41 ] كما تقدم Visage Technologies AB خدمة تقدير المشاعر كجزء من حزمة تطوير البرمجيات (SDK) الخاصة بها Visage لأغراض التسويق والبحث العلمي وما شابهها. [ 42 ]

شركة Eyeris هي شركة متخصصة في التعرف على المشاعر، وتعمل مع مصنعي الأنظمة المدمجة ، بما في ذلك شركات صناعة السيارات وشركات الروبوتات الاجتماعية، على دمج برامجها لتحليل الوجه والتعرف على المشاعر؛ بالإضافة إلى عملها مع منشئي محتوى الفيديو لمساعدتهم على قياس مدى فعالية مقاطع الفيديو الإبداعية القصيرة والطويلة التي يقدمونها. [ 43 ] [ 44 ]

توجد أيضاً العديد من المنتجات التي تجمع المعلومات من المشاعر التي يتم التعبير عنها عبر الإنترنت، بما في ذلك عبر الضغط على زر "الإعجاب" وعبر عدّ العبارات الإيجابية والسلبية في النصوص، ويُستخدم التعرف على المشاعر بشكل متزايد في بعض أنواع الألعاب والواقع الافتراضي، سواء لأغراض تعليمية أو لمنح اللاعبين تحكماً أكثر طبيعية في شخصياتهم الاجتماعية. [ 45 ]

الحقول الفرعية

من المرجح أن يحقق التعرف على المشاعر أفضل النتائج إذا تم تطبيق طرائق متعددة من خلال الجمع بين أشياء مختلفة، بما في ذلك النص (المحادثة) والصوت والفيديو وعلم وظائف الأعضاء لاكتشاف المشاعر.

التعرف على المشاعر في النصوص

تُعدّ البيانات النصية موضوعًا بحثيًا مناسبًا للتعرف على المشاعر نظرًا لتوافرها وسهولة الوصول إليها في مختلف جوانب الحياة. وبالمقارنة مع أنواع البيانات الأخرى، فإن تخزين البيانات النصية أسهل وأسرع ضغطًا لتحقيق أفضل أداء، وذلك بفضل التكرار الملحوظ للكلمات والحروف في اللغات. ويمكن استخلاص المشاعر من نوعين أساسيين من النصوص: النصوص المكتوبة والمحادثات ( الحوارات). [ 46 ] وفيما يخص النصوص المكتوبة، يركز العديد من الباحثين على دراسة مستوى الجملة لاستخلاص "الكلمات/العبارات" التي تُمثل المشاعر. [ 47 ] [ 48 ]

التعرف على المشاعر في الصوت

يختلف التعرف على المشاعر من خلال الصوت عن التعرف عليها في النصوص . [ 49 ] فعلى عكس الصور والفيديوهات، التي تُعدّ عادةً بيانات ثنائية أو ثلاثية الأبعاد تُجسّد خصائص مكانية أو مكانية-زمانية، فإن الصوت بطبيعته بيانات أحادية البُعد تُمثّل سلسلة زمنية، وتُظهر تغيرات في سعة الصوت مع مرور الوقت. هذا الاختلاف الجوهري يجعل التعرف على المشاعر من الصوت فريدًا من نوعه. فبدلًا من الاعتماد على المؤشرات البصرية أو دلالات النصوص، يركز الكشف عن المشاعر من خلال الصوت على الخصائص النبرية والصوتية، مثل درجة الصوت، وشدته، وسرعة الكلام، وجودة الصوت. [ 50 ]

التعرف على المشاعر في الفيديو

بيانات الفيديو هي مزيج من بيانات الصوت وبيانات الصور وأحيانًا النصوص (في حالة الترجمة [ 51 ] ).

التعرف على المشاعر في المحادثة

يستخلص نظام التعرف على المشاعر في المحادثات (ERC) آراء المشاركين من بيانات المحادثات الضخمة على منصات التواصل الاجتماعي ، مثل فيسبوك وتويتر ويوتيوب وغيرها. [ 29 ] ويمكن لنظام ERC استقبال بيانات إدخال مثل النصوص أو الصوت أو الفيديو أو مزيج منها للكشف عن مشاعر متعددة كالخوف والشهوة والألم والمتعة.

انظر أيضاً

مراجع

  1. ↑ مياكوشي، يوشيهيرو، وشوهي كاتو. "الكشف عن تعابير الوجه مع مراعاة التغطية الجزئية للوجه باستخدام الشبكة البايزية" . الحوسبة والمعلوماتية (2011): 96-101.
  2. ↑ هاري كريشنا فيدانا، بي. فاني كومار، ك. سري راما كريشنا، وأنيل كومار فوبالا. "تحسين التعرف على المشاعر باستخدام نماذج غاوس المختلطة الموحدة" . المؤتمر الدولي لعام 2015 حول أنظمة معالجة الإشارات وهندسة الاتصالات
  3. ↑ ب. شولر، ج. ريغول، م. لانغ. "التعرف على المشاعر في الكلام باستخدام نموذج ماركوف المخفي" . وقائع المؤتمر الدولي للوسائط المتعددة والمعرض لعام 2003.
  4. ↑ سينغ، بريمجيت؛ ساها، غوتام؛ شهيد الله، محمد (2021). "تشويه التردد غير الخطي باستخدام تحويل Q الثابت للتعرف على المشاعر في الكلام". المؤتمر الدولي للاتصالات الحاسوبية والمعلوماتية 2021 (ICCCI) . الصفحات 1-4 . arXiv : 2102.04029 . doi : 10.1109/ICCCI50826.2021.9402569 . ISBN  978-1-7281-5875-4. S2CID 231846518 . 
  5. ↑ بوريا، سوجانيا؛ كامبريا، إريك؛ باجباي، راجيف؛ حسين، أمير (سبتمبر 2017). "مراجعة للحوسبة العاطفية: من التحليل أحادي النمط إلى الدمج متعدد الأنماط" . دمج المعلومات . 37 : 98-125 . Bibcode : 2017InfFu..37...98P . doi : 10.1016/j.inffus.2017.02.003 . hdl : 1893/25490 . S2CID 205433041. مؤرشف من الأصل في 23 مارس 2023. تم الاسترجاع في 18 مايو 2021 . 
  6. ↑ كاريداكيس، جورج؛ كاستيلانو، جينيفرا؛ كيسوس، لويك؛ راوزايو، أماريلليس؛ مالاتيستا، لوري؛ أستيرياديس، ستيليوس؛ كاربوزيس، كوستاس (19 سبتمبر 2007). "التعرف على المشاعر متعددة الوسائط من تعابير الوجه، وإيماءات الجسم، والكلام". الذكاء الاصطناعي والابتكارات 2007: من النظرية إلى التطبيقات . الاتحاد الدولي لمعالجة المعلومات (IFIP). المجلد 247. الصفحات 375-388 . doi : 10.1007/978-0-387-74161-1_41 . ISBN   978-0-387-74160-4.
  7. ↑ برايس (23 أغسطس 2015). "الاستفادة من الإنترنت العاطفي" . تيك كرانش . تم الاطلاع عليه بتاريخ 12 ديسمبر 2018 .
  8. 1 2 3 4 5 6 كامبريا، إريك (مارس 2016). "الحوسبة العاطفية وتحليل المشاعر". أنظمة IEEE الذكية . 31 (2): 102-107 . Bibcode : 2016IISys..31b.102. doi : 10.1109 /MIS.2016.31 . S2CID 18580557 . 
  9. ↑ تابوادا، مايتي؛ بروك، جوليان؛ توفيلوسكي، ميلان؛ فول، كيمبرلي؛ ستيد، مانفريد (يونيو 2011). "أساليب تحليل المشاعر القائمة على المعجم" . اللغويات الحاسوبية . 37 (2): 267-307 . doi : 10.1162/coli_a_00049 . ISSN 0891-2017 . 
  10. ↑ كامبريا، إريك؛ ليو، تشيان؛ ديشيرشي، سيرجيو؛ شينغ، فرانك؛ كوك، كينيث (2022). "SenticNet 7: إطار عمل ذكاء اصطناعي عصبي رمزي قائم على الحس السليم لتحليل المشاعر القابلة للتفسير" (ملف PDF) . وقائع مؤتمر LREC . الصفحات 3829-3839 . 
  11. ↑ بالاهور، ألكسندرا؛ هيرميدا، خيسوس م؛ مونتويا، أندريه س (1 نوفمبر 2012). "الكشف عن التعبيرات الضمنية للعاطفة في النصوص: تحليل مقارن" . نظم دعم القرار . 53 (4): 742-753 . doi : 10.1016/j.dss.2012.05.024 . ISSN 0167-9236 . 
  12. 1 2 3 مدحت، ولاء؛ حسن، أحمد؛ قرشي ، هدى (ديسمبر 2014). "خوارزميات وتطبيقات تحليل المشاعر: دراسة استقصائية" . مجلة عين شمس الهندسية . 5 (4): 1093–1113 . دوى : 10.1016/j.asej.2014.04.011 .
  13. 1 2 3 مدوشي، زهرة؛ حمدان، عبد الرزاق؛ زين الدين، سهيلة (2015). “تقنيات تحليل المشاعر في الأعمال الأخيرة”. مؤتمر العلوم والمعلومات 2015 (SAI) . الصفحات من 288 إلى 291. دوى : 10.1109/SAI.2015.7237157 . رقم ISBN  978-1-4799-8547-0. S2CID 14821209 . 
  14. ↑ همتيان، فاطمة؛ سهرابي، محمد كريم (18 ديسمبر 2017). "دراسة استقصائية حول تقنيات التصنيف لاستخراج الآراء وتحليل المشاعر". مجلة مراجعة الذكاء الاصطناعي . 52 (3): 1495-1545 . doi : 10.1007/s10462-017-9599-6 . S2CID 11741285 . 
  15. 1 2 3 صن، شيليانغ؛ لو، تشين؛ تشين، جونيو (يوليو 2017). "مراجعة لتقنيات معالجة اللغة الطبيعية لأنظمة استخراج الآراء". دمج المعلومات . 36 : 10-25 . Bibcode : 2017InfFu..36...10S . doi : 10.1016/j.inffus.2016.10.004 .
  16. ↑ ماجومدر، نافونيل؛ بوريا، سوجانيا؛ جيلبوخ، ألكسندر؛ كامبريا، إريك (مارس 2017). "نمذجة المستندات باستخدام التعلم العميق للكشف عن الشخصية من النصوص". أنظمة IEEE الذكية . 32 (2): 74-79 . Bibcode : 2017IISys..32b..74M . doi : 10.1109/MIS.2017.23 . S2CID 206468984 . 
  17. ↑ ماهينديران، ب.د.؛ كانيموثو، س. (مايو 2018). "تقنيات التعلم العميق لتصنيف القطبية في تحليل المشاعر متعدد الوسائط". المجلة الدولية لتكنولوجيا المعلومات وصنع القرار . 17 (3): 883-910 . doi : 10.1142/S0219622018500128 .
  18. ↑ يو، هونغليانغ؛ غوي، ليانغكه؛ مادايو، مايكل؛ أوغان، إيمي؛ كاسيل، جوستين؛ مورينسي، لويس-فيليب (23 أكتوبر 2017). "نموذج الانتباه الانتقائي الزمني للتعرف على الحالة الاجتماعية والعاطفية في محتوى الوسائط المتعددة". وقائع المؤتمر الدولي الخامس والعشرين لجمعية ACM حول الوسائط المتعددة . MM '17. ACM. الصفحات 1743-1751 . doi : 10.1145/3123266.3123413 . ISBN  9781450349062. S2CID 3148578 . 
  19. ↑ كامبريا، إريك؛ حسين، أمير (2015). الحوسبة الحسية: إطار عمل قائم على الحس السليم لتحليل المشاعر على مستوى المفاهيم . شركة سبرينغر للنشر. ISBN 978-3319236537.
  20. ↑ أراوجو، ماثيوس؛ غونسالفيس، بوليانا؛ تشا، مي يونغ ؛ بينيفينوتو، فابريسيو (7 أبريل 2014). "IFeel: نظام يقارن ويجمع أساليب تحليل المشاعر". وقائع المؤتمر الدولي الثالث والعشرين للويب العالمي . WWW '14 Companion. ACM. الصفحات 75-78 . doi : 10.1145/2567948.2577013 . ISBN  9781450327459. S2CID 11018367 . 
  21. ↑ باولو بيتا؛ كاثرين بيلاشو ؛ رودي كاوي، محرران. (2011). الأنظمة الموجهة نحو العاطفة: الدليل الإنساني . برلين: سبرينغر. ISBN 978-3-642-15184-2.
  22. ↑ دوغلاس-كوي، إيلين؛ كامبل، نيك؛ كوي، رودي؛ روتش، بيتر (1 أبريل 2003). "الكلام العاطفي: نحو جيل جديد من قواعد البيانات" . التواصل الكلامي . 40 ( 1-2 ): 33-60 . CiteSeerX 10.1.1.128.3991 . doi : 10.1016/S0167-6393(02)00070-5 . ISSN 0167-6393 . S2CID 6421586 .   
  23. ↑ ماكيون، ج.؛ فالستار، م.؛ كاوي، ر.؛ بانتيك، م.؛ شرودر، م. (يناير 2012). "قاعدة بيانات SEMAINE: سجلات متعددة الوسائط مشروحة لمحادثات ذات طابع عاطفي بين شخص ووكيل محدود" . معاملات IEEE في الحوسبة العاطفية . 3 (1): 5-17 . Bibcode : 2012ITAfC...3....5M . doi : 10.1109/T-AFFC.2011.20 . S2CID 2995377 . 
  24. ↑ بوسو، كارلوس؛ بولوت، مرتضى؛ لي، تشي-تشون؛ كاظم زاده، آبي؛ موور، إميلي ؛ كيم، صموئيل؛ تشانغ، جانيت ن.؛ لي، سونغبوك؛ نارايانان، شريكانث س. (5 نوفمبر 2008). "قاعدة بيانات IEMOCAP: قاعدة بيانات تفاعلية لالتقاط الحركة الثنائية العاطفية". موارد اللغة وتقييمها . 42 (4): 335-359 . doi : 10.1007/s10579-008-9076-6 . ISSN 1574-020X . S2CID 11820063 .  
  25. ↑ مارتن، أ.؛ كوتسيا، إ.؛ ماك، ب.؛ بيتا، إ. (3 أبريل 2006). "قاعدة بيانات المشاعر السمعية والبصرية eNTERFACE'05". المؤتمر الدولي الثاني والعشرون لورش عمل هندسة البيانات (ICDEW'06) . ICDEW'06. جمعية مهندسي الكهرباء والإلكترونيات (IEEE). ص 8 وما يليها. doi : 10.1109/ICDEW.2006.145 . ISBN  9780769525716. S2CID 16185196 . 
  26. ^ كولسترا ، ساندر. موهل، كريستيان؛ سليماني، محمد؛ لي، جونغ سيوك؛ يزداني، أشكان؛ ابراهيمي، توراج؛ التورية، تييري. نيجهولت، انطون. باتراس، يوانيس (يناير 2012). “DEAP: قاعدة بيانات لتحليل المشاعر باستخدام الإشارات الفسيولوجية”. معاملات IEEE على الحوسبة العاطفية . 3 (1): 18– 31. بيب كود : 2012ITAFC...3...18K . سيتيسيركس 10.1.1.593.8470 . دوى : 10.1109/T-AFFC.2011.15 . ISSN 1949-3045 . S2CID 206597685 .   
  27. ↑ كاتسيجيانيس، ستاموس؛ رمضان، نعيم (يناير 2018). "دريمر: قاعدة بيانات للتعرف على المشاعر من خلال إشارات تخطيط الدماغ الكهربائي وتخطيط القلب الكهربائي من أجهزة لاسلكية منخفضة التكلفة ومتوفرة تجاريًا" ( ملف PDF) . مجلة IEEE للمعلوماتية الطبية الحيوية والصحية . 22 (1): 98-107 . Bibcode : 2018IJBHI..22...98K . doi : 10.1109/JBHI.2017.2688239 . ISSN 2168-2194 . PMID 28368836. S2CID 23477696. مؤرشف من الأصل (ملف PDF) في 1 نوفمبر 2022. تم الاطلاع عليه في 1 أكتوبر 2019 .   
  28. ↑ بوريا، سوجانيا؛ هازاريكا، ديفامانيو؛ ماجومدار، نافونيل؛ نايك، غوتام؛ كامبريا، إريك؛ ميهالسا، رادا (2019). "MELD: مجموعة بيانات متعددة الوسائط ومتعددة الأطراف للتعرف على المشاعر في المحادثات". وقائع الاجتماع السنوي السابع والخمسين لجمعية اللغويات الحاسوبية . سترودسبيرغ، بنسلفانيا، الولايات المتحدة الأمريكية: جمعية اللغويات الحاسوبية: 527-536 . arXiv : 1810.02508 . doi : 10.18653/v1/p19-1050 . S2CID 52932143 . 
  29. 1 2 بوريا، س.، ماجومدر، ن.، ميهالسا، ر.، وهوفي، إ. (2019). التعرف على المشاعر في المحادثة: تحديات البحث، ومجموعات البيانات، والتطورات الحديثة . IEEE Access، 7، 100943-100953.
  30. ↑ ستابن، لوكاس؛ شولر، بيورن؛ ليفتير، يوليا؛ كامبريا، إريك؛ كومباتسياريس، يوانيس (2020). "ملخص مؤتمر MuSe 2020: تحليل المشاعر متعدد الوسائط، وتفاعل الجمهور المستهدف مع المشاعر، والكشف عن المصداقية في وسائل الإعلام الواقعية". وقائع المؤتمر الدولي الثامن والعشرين لجمعية ACM للوسائط المتعددة . سياتل، بنسلفانيا، الولايات المتحدة الأمريكية: جمعية آلات الحوسبة. الصفحات 4769-4770 . arXiv : 2004.14858 . doi : 10.1145/3394171.3421901 . ISBN  9781450379885. S2CID 222278714 . 
  31. ↑ هو، فونغ (2020). "التعرف على المشاعر في نصوص وسائل التواصل الاجتماعي الفيتنامية" . اللغويات الحاسوبية . الاتصالات في علوم الحاسوب والمعلومات. المجلد 1215. الصفحات 319-333 . arXiv : 1911.09339 . doi : 10.1007/978-981-15-6168-9_27 . ISBN   978-981-15-6167-2. S2CID 208202333 . 
  32. ^ أرنو غونزاليس، بابلو؛ كاتسيجيانيس، ستاموس؛ أريفاليللو-هيرايز، ميغيل؛ رمضان ، نعيم (فبراير 2021). "BED: مجموعة بيانات جديدة للقياسات الحيوية المستندة إلى EEG" . مجلة IEEE لإنترنت الأشياء . (الوصول المبكر) (15): 12219. بيب كود : 2021IITJ....812219A . دوى : 10.1109/JIOT.2021.3061727 . ردمك 2327-4662 . S2CID 233916681 .  
  33. ↑ "Affectiva" .
  34. ↑ بوسيتّا، مايكل؛ شموكيل، راسموس (2 يناير 2023). "العواطف عبر المنصات وتفاعل الجمهور في الحملات السياسية على وسائل التواصل الاجتماعي: مقارنة صور المرشحين على فيسبوك وإنستغرام في انتخابات الولايات المتحدة لعام 2020" . التواصل السياسي . 40 (1): 48-68 . doi : 10.1080/10584609.2022.2128949 . ISSN 1058-4609 . 
  35. ↑ بينغ، ييلانغ (يناير 2021). "ما الذي يجعل منشورات السياسيين على إنستغرام تحظى بشعبية؟ تحليل استراتيجيات وسائل التواصل الاجتماعي للمرشحين وشاغلي المناصب باستخدام رؤية الحاسوب" . المجلة الدولية للصحافة/السياسة . 26 (1): 143-166 . doi : 10.1177/1940161220964769 . ISSN 1940-1612 . S2CID 225108765 .  
  36. ↑ هايم، ماريو؛ يونغبلت، مارك (15 مارس 2021). "تصوير السياسيين لأنفسهم وتصويرهم في وسائل الإعلام: أدلة من 28 دولة باستخدام التحليل الحسابي المرئي" . التواصل السياسي . 38 ( 1-2 ): 55-74 . doi : 10.1080/10584609.2020.1753869 . ISSN 1058-4609 . S2CID 219481457 .  
  37. ↑ بوسيتّا، مايكل؛ شموكيل، راسموس (2 يناير 2023). "العواطف عبر المنصات وتفاعل الجمهور في الحملات السياسية على وسائل التواصل الاجتماعي: مقارنة صور المرشحين على فيسبوك وإنستغرام في انتخابات الولايات المتحدة لعام 2020" . التواصل السياسي . 40 (1): 48-68 . doi : 10.1080/10584609.2022.2128949 . ISSN 1058-4609 . 
  38. ↑ وون، دونغهيون؛ شتاينرت-ثريلكيلد، زاكاري سي؛ جو، جونغسوك (19 أكتوبر 2017). "الكشف عن أنشطة الاحتجاج وتقدير العنف المُدرَك من صور وسائل التواصل الاجتماعي" . وقائع المؤتمر الدولي الخامس والعشرين لجمعية آلات الحوسبة حول الوسائط المتعددة . MM '17. نيويورك، نيويورك، الولايات المتحدة الأمريكية: جمعية آلات الحوسبة. الصفحات 786-794 . arXiv : 1709.06204 . doi : 10.1145/3123266.3123282 . ISBN  978-1-4503-4906-2.
  39. ↑ بوشويك، صوفي. "هذا الفيديو يراقبك من الخلف" . مجلة ساينتفك أمريكان . تم الاطلاع عليه بتاريخ 27 يناير 2020 .
  40. 1 2 ديموث الابن، كريس (8 يناير 2016). "أبل تقرأ أفكارك" . إم آند إيه ديلي . سيكينج ألفا . تم الاسترجاع في 9 يناير 2016 .
  41. ↑ "nViso" . nViso.ch .
  42. ↑ "تقنيات الرؤية" .
  43. ↑ "هل تشعر بالحزن أو الغضب؟ سيارتك المستقبلية ستعرف ذلك" .
  44. ↑ فاراجور، كريثيكا (22 مارس 2016). "قد تُنبه السيارات السائقين قريبًا قبل أن يغفووا" . هافينغتون بوست .
  45. ^ مارتينز، نونو ر.ب. أنجليكا، العمارة؛ شاكرافارثي، كريشنان؛ سفيدينينكو، يوري؛ بوم، فرانك J .؛ أوبريس، إيوان؛ ليبيديف، ميخائيل أ. سوان، ميلاني؛ جاران، ستيفن أ. روزنفيلد، جيفري V.؛ هوج، تاد؛ فريتاس، روبرت أ. (2019). "الدماغ البشري/الواجهة السحابية" . الحدود في علم الأعصاب . 13 112. دوى : 10.3389/fnins.2019.00112 . ردمك 1662-4548 . بمك 6450227 . بميد 30983948 .   
  46. ↑ شيفهار، إس إن، وخيثاوات، إس. (2012). الكشف عن المشاعر من النصوص. نسخة أولية منشورة على arXiv : 1205.4944
  47. ↑ إزيلاراسي، ر.، ومينو، ر.إ. (2012). التعرف التلقائي على المشاعر وتصنيفها . بروسيديا للهندسة، 38، 21-26.
  48. ↑ كركاديناتش، يو.، باسكييه، ب.، جوفانوفيتش، ج.، وديفيدزيتش، ف. (2013). ساينسكيتش: مكتبة مفتوحة المصدر للتعرف على المشاعر بناءً على الجمل . معاملات IEEE في الحوسبة العاطفية، 4(3)، 312-325.
  49. ↑ شميت، م.، رينجيفال، ف.، وشولر، ب.و. (سبتمبر 2016). على حدود علم الصوتيات وعلم اللغة: نموذج "حقيبة الكلمات الصوتية" للتعرف على المشاعر في الكلام . في كتاب "التواصل بين الكلام" (ص 495-499).
  50. ↑ خوسيه، جيبي ماريا؛ جيفا، خوسيه (يونيو 2023). "شبكة عصبية تلافيفية أحادية البعد مستوحاة من علم الأحياء وموفرة للطاقة للتعرف على المشاعر الصوتية" . المجلة الدولية للبحوث العلمية في علوم الحاسوب والهندسة وتكنولوجيا المعلومات . 11 (3): 1034-1054 . doi : 10.32628/CSEIT25113386 . تاريخ الاسترجاع: 24 يوليو 2025 .
  51. ↑ دال، أ.، جويكي، ر.، لوسي، س.، وجيديون، ت. (2012). جمع قواعد بيانات كبيرة وغنية بالتعليقات التوضيحية لتعبيرات الوجه من الأفلام . مجلة IEEE للوسائط المتعددة، (3)، 34-41.