本文件是博客CSDN文章《竞赛项目|基于情绪分析的智能语音AI娱乐互动系统》的word排版及实现源码，本项目获得当年全国二等奖.为方便有需要的迈微社友，现上传至此。

情感极性词典，包含中文正负情绪词和否定词、程度副词。

具体使用方法可以看我的博客：https://blog.csdn.net/weixin_40015791/article/details/90410083 下面也会简单介绍一下：在bert开源代码中的run_classifier.py中找到 processors = { "cola": ColaProcessor, "mnli": MnliProcessor, "mrpc": MrpcProcessor, "xnli": XnliProcessor, "intentdetection":IntentDetectionProcessor, "emotion":EmotionProcessor, #新加上这一行 } 然后在该文件中增加一个class： class EmotionProcessor(DataProcessor): """Processor for the MRPC data set (GLUE version).""" def get_train_examples(self, data_dir): """See base class.""" return self._create_examples( self._read_tsv(os.path.join(data_dir, "fine_tuning_train_data.tsv")), "train") #此处的名字和文件夹中的训练集的名字要保持一致 def get_dev_examples(self, data_dir): """See base class.""" return self._create_examples( self._read_tsv(os.path.join(data_dir, "fine_tuning_val_data.tsv")), "dev") def get_test_examples(self, data_dir): """See base class.""" return self._create_examples( self._read_tsv(os.path.join(data_dir, "fine_tuning_test_data.tsv")), "test") def get_labels(self): """See base class.""" return ["0", "1","2","3","4","5","6"] #七分类则从0到6 def _create_examples(self, lines, set_type): """Creates examples for the training and dev sets.""" examples = [] for (i, line) in enumerate(lines): if i == 0: continue guid = "%s-%s" % (set_type, i) if set_type == "test": label = "0" text_a = tokenization.convert_to_unicode(line[0]) else: label = tokenization.convert_to_unicode(line[0]) text_a = tokenization.convert_to_unicode(line[1]) examples.append( InputExample(guid=guid, text_a=text_a, text_b=None, label=label)) return examples 最后直接调用即可，运行的命令如下： python run_classifier.py \ --task_name=emotion \ --do_train=true \ --do_eval=true \ --data_dir=data \ #把数据解压到同一级的文件夹中，此处是该文件夹名字data --vocab_file=chinese_L-12_H-768_A-12/vocab.txt \ #中文数据要微调的原始bert模型 --bert_config_file=chinese_L-12_

masters_thesis：使用IEMOCAP数据集上的文本和听觉线索从语音中识别情绪的硕士学位论文

基于SVM的机器学习脑电信号EEG情绪识别代码和数据

由图片引起的人类脑电信号的研究，可利用中国情绪图片库做为刺激。 ，可供借鉴学习！简单方便实用 ，欢迎下载！希望能帮助到大家。

项目名称：情感识别 表中的内容 ： 1. 2. 3. 4. 描述： 我们的人脸情绪参差不齐，因此我们要证明自己存在这些情绪的可能性。 情绪识别是什么意思？ 情感识别是一种软件中使用的技术，该技术允许程序使用高级图像处理来“读取”人脸上的情感。 公司一直在尝试将复杂的算法与过去十年中出现的图像处理技术相结合，以更多地了解人脸的图像或视频告诉我们有关他/她的感觉的信息，不仅是这种感觉，而且还显示出一张脸可能有多种情绪的可能性。 装置： 使用Requirements.txt安装依赖项 pip install -r requirements.txt 用法： 该程序将创建一个窗口来显示网络摄像

本文针对多模态情绪识别这一新兴领域进行综述。首先从情绪描述模型及情绪诱发方式两个方面对情绪识别的研究基础进行了综述。接着针对多模态情绪识别中的信息融合这一重难点问题，从数据级融合、特征级融合、决策级融合、模型级融合4种融合层次下的主流高效信息融合策略进行了介绍。

情绪分析 总览 情感分析是一种自然语言处理（NLP）任务，其目的是评估文本块的极性/情感。 根据定义，广泛用于客户关系管理（CRM）的环境中，用于自动评估评论和调查回复以及社交媒体。 情绪分析中常见的子任务是： 消息极性分类：给定一条消息，对消息的整体上下文极性进行分类是正面，负面还是中性。 基于主题或基于实体的消息极性分类：给定消息和主题或实体，将消息按该主题或实体分类。 SemEval（国际语义评估研讨会）是一个流行的，专门负责情感分析任务的研讨会。 有关此类任务（任务4）的最新年度（2017年）概述，请访问： : 。 该项目当前仅针对“消息极性分类”子任务。 该存储库包含：

Twitter的股票情绪 将GME Twitter情绪置于GME股票价格之上