排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
通过网络大数据的方法宏观地分析微博用户在不同季节和时间的情绪变化.以195万微博活跃用户为样本，在每个季节下载一周的微博活跃用户数据，利用“中文心理分析系统”计算每个季节积极情绪和消极情绪词的词频.结果显示：1）人们的综合情绪的2个高峰分别在中午和晚8点；2）虽然人们在周末的积极情绪与工作日无异，但消极情绪在周末明显低于工作日；3）人们在夏季的积极情绪和消极情绪最高，在秋季的积极情绪和消极情绪最低；4）两种性别的情绪走势一致，但女性较男性有更多情绪表达、更情绪化，更易感. 相似文献
2.
情感识别在人机交互领域具有广阔前景。由于情感表达在时间上具有一定的持续性，统计特征更能体现不同情绪语音的差异和动态变化，大多数语音情感识别研究都使用全局特征（如最大值、最小值等），并没有充分挖掘局部特征（如单帧的短时能量、过零率等）中的信息。提出一种基于局部特征优化的方法，对每个情感语音样本做进一步提纯，通过聚类分析对情感特征相对不显著的帧进行过滤，在此基础上进行统计计算和分类，以提高预测的准确率。实验结果表明，基于优化后的样本进行情感分类，3个语料库的平均准确率提高5%~17%。进一步的研究发现这种优化方法可能更适合于语音长度较长的情感识别场景。 相似文献
1