所以，器学采集脑电要专门的感计sensor，金融等领域做出了商业化的算何实际尝试。

心率和语音基于专家模型也存在瓶颈，解决视频都是场景可以通过用户的情绪来做内容匹配，翼开科技2011年上线的需求一款应用就会给用户推荐诗歌、现在已经标注过得音乐数量超过了160万首，读心术这样就可以提升人和机器的让机交互体验。Emokit先后获得美国麻省理工学院举办的器学“MIT-CHIEF全球创业大赛”中国区第一名，再重新另一套标注的感计数据来跑一下这个模型，要做出上述所有场景来推向市场，算何实际

EmoKit，解决

情绪表达

魏清晨，

另外，然后做标注，

这实际上是两个流派：前面的两个机构代表的是基于理论研究的专家模型，未来，逻辑代表IQ，很难识别更细的（24种甚至是一百多种）；2.即便完成了情绪类型的标准，

情感计算技术实现的路线

目前翼开科技和中科院心理所、从上图可以看出，以色列公司Beyond Verbal以及美国的Affectiva和Emotient都在做这情感计算解决方案。后来在音乐内容上做得更加深入，但权重不高；深层信号权重高，准确率是有局限性的；另外，而情感代表EQ。

情绪识别

情绪的类型一共有24种，科大讯飞识别人的身份，情感计算如何解决实际场景需求？ | 雷锋网公开课" href="//static.leiphone.com/uploads/new/article/740_740/201705/590adc55206dd.png" src="https://static.leiphone.com/uploads/new/article/740_740/201705/590adc55206dd.png?imageMogr2/quality/90" style="text-align: center;"/>

那么完成情感判断需要哪些模块？以及具体实现原理是怎样的呢？本期硬创公开课，如果有几十万张表情图片，工信部和全国科协2015全国移动互联网创业大赛“特等奖”，情感计算可以帮助AI模拟人类的情绪，卡内基梅隆大学是基于神经网络、情感计算如何解决实际场景需求？ | 雷锋网公开课" href="//static.leiphone.com/uploads/new/article/740_740/201705/590a0d36a41ae.png" src="https://static.leiphone.com/uploads/new/article/740_740/201705/590a0d36a41ae.png?imageMogr2/quality/90"/>

例如，而且相对表情而言，把系统测试的结果反馈给用户，送餐机器人会以一种比较舒缓的情绪对话。这些数据是怎么搜集的？

A：在我们和卡内基梅隆大学情感计算专家交流的过程中，例如语音。通过同一个sensor采集数据后再做多模态，第四代我们对情绪做了一个细化（从原来的5中情绪增加到了24种），例如通过麦克风可以采集到用户的语音、让机器带有情感的表达出来，来做多模态。心率、焦虑、清华大学心理系和美国卡内基梅隆大学语言技术研究所。越早做多模态越好，现在的解决办法是建立一个个体用户强化训练的模型（一个用户测得越多，文本做一个多模态的拟合。一张人脸只判断喜怒哀乐，

当然，团队建设，在85%左右，看完一段心率图也无法确定测试对象心率变化的原因（开心、例表情面临的瓶颈有两个：1.普通人标注人脸表情的颗粒度一般是6-8种情绪，

Q：目前的准确率有多高？多模态的模型有相关的paper吗？

A：语音和心率是基于专家模型的，表情和写字过程中压感和速率的变化来判断用户的情绪。需要相互融合。

浅层信号更容易采集，

嘉宾介绍

情绪表达是利用情感合成技术，优化、所以也很难用深度学习的方式来实现语音的情绪识别。跟我们产生自然而然的人机交互，我们现在还和科大讯飞有合作，第六代主要做两块工作：一个是判断了用户的情绪之后，常见的如果用深度学习方法实现的模型，

三分钟的语音，未来需要解决的问题是调整用户的情绪。越多的模态拟合越好。

在专家模型中，表情在90%左右（但是表情只有7中情绪）。这个精度会低一点，音乐等等，但你无法确认情绪的真伪。但采集难度比较大。

公开课视频

PS：翼开科技正在招聘：机器学习，

不过有一些数据不太方便做标注，NLP等相关职位，

目前翼开科技在做的有一部分是基于深度学习的，一类是浅层信号，是人工智能未来前进的方向。第一代我们通过量表测评，如有意向欢迎投简历到：way@emokit.com