近日，IEEE旗舰期刊《电气与电子工程师协会会报》（Proceedings of the IEEE）刊出了由清华大学信息国家研究中心灵境智能技术交叉创新群体撰写的39页研究长文“标签高效的情绪情感分析”（“Toward Label-Efficient Emotion and Sentiment Analysis”）。论文第一作者和通讯作者为信息国家研究中心赵思成副研究员，论文合作作者包括哈尔滨工业大学洪晓鹏教授、南开大学杨巨峰教授、哈尔滨工业大学赵妍妍教授和清华大学丁贵广教授。研究工作得到CCF-滴滴盖亚青年学者科研基金、国家自然科学基金、国家重点研发计划、天津市自然科学基金、北京信息科学与技术国家研究中心等的支持。

情绪和情感在各种人类活动中起着核心作用，例如感知、决策、社交互动和逻辑推理等。为机器开发人工情感智能（AEI）正成为人机交互中的瓶颈。AEI的第一步是识别不同情感信号中传达的情绪情感。传统的有监督情绪情感分析方法，尤其是基于深度学习的方法，通常需要大规模标记的训练数据。然而，由于情绪情感的主观性、复杂性、不确定性与歧义性、微妙性等特点（如图1所示），实践中收集这样的标记数据是昂贵、耗时和困难的。本文从计算的角度介绍了高效标记的情绪情感分析。首先，基于样本标签、情绪类别和数据域在训练过程中的可用性，我们提出了一种层次分类法，如图2所示。其次，对于七种范式，即无监督、半监督、弱监督、低样本、增量、领域自适应和领域泛化的情绪情感分析，我们给出了具体定义，总结了现有方法，并就定量和定性比较提出了我们的观点。最后，我们提供了几个有前景的实际应用，并且指出了未解决的挑战和潜在的未来方向，为研究者开展相关研究提供了重要参考。

图1 情绪情感的本质特性：（a）主观性，（b）复杂性，（c）不确定性与歧义性，（d）微妙性。

图2 标签高效情绪情感分析的层次分类法

此外，赵思成副研究员以第二作者参与完成的视觉媒体情感理解研究“Unlocking the Emotional World of Visual Media: An Overview of the Science, Research, and Impact of Understanding Emotion”也在线发表于 Proceedings of the IEEE。该51页研究长文提供了视觉媒体情感理解领域一个全面深入的综述研究，融合了心理学、工程学、艺术学等多学科交叉的经典理论与方法。论文挖掘了情感的心理学基础和支撑图像视频情感分析的计算原理，总结了经典的、最新的研究与系统，讨论了现有技术的挑战与缺陷，并分析了情感理解技术的道德影响。

《Proceedings of the IEEE》是IEEE旗舰期刊，主要发表电气、电子和计算机领域技术发展的深度综述（review）、调研（survey）以及指导性（tutorial）论文。《Proceedings of the IEEE》是中国计算机学会推荐A类期刊，2022-2023年度影响因子为20.6。

论文链接：https://ieeexplore.ieee.org/abstract/document/10253654

                 https://ieeexplore.ieee.org/abstract/document/10132377