多模态情感计算：面向学习环境的技术与应用

全书系统性地阐述了情感计算赋能智慧学习这一前沿交叉领域。全书内容循序渐进，从人工情感、机器学习与心理学中关于人格的基础理论出发，逐步拓展到面向学习场景的单模态情绪分析、多模态情感识别及自动人格识别技术，完整呈现了从理论模型到关键技术，再到系统集成与场景应用（如情感辅导代理）的体系化知识。本书特色在于其知识的系统性、案例的实用性以及关于情感计算方向多模态融合技术的前沿性。

本书主要面向人工智能、人工心理学及智慧教育技术领域的研究人员、工程师及研究生，同时也为致力于研发新一代智慧教育产品的开发者提供了关键的理论支撑与实践指南。

拉蒙·扎塔拉因·卡巴达（Ramón Zatarain Cabada），墨西哥 Tecnológico de Culiacán 研究所教授兼研究员、墨西哥计算学院院士、墨西哥人工智能学会及墨西哥一级研究人员系统的正式成员，研究方向为智能学习环境、情感计算和人工智能在教育中的应用。

赫克托·曼努埃尔·卡迪纳斯·洛佩斯（Héctor Manuel Cárdenas López），墨西哥 Tecnológico de Culiacán 研究所助理研究员，研究方向为多模态深度学习技术、面向情感识别和人格识别的人类行为分类、情感辅导系统和认知导向情感。

雨果·雅伊尔·埃斯卡兰特（Hugo Jair Escalante），墨西哥国家天体物理、光学和电子学研究所高级研究员，美国 ChaLearn 董事会成员，国际模式识别学会第 12 技术委员会主席，墨西哥科学院院士，墨西哥计算学院院士，以及墨西哥二级研究人员系统的正式成员，研究方向为机器学习以及语言与视觉应用。

孙强，人工智能学者、“科普中国”专家、中国指挥与控制学会社会治理与城市大脑专业委员会常务委员、中国图象图形学学会情感计算与理解专业委员会委员、中国人工智能学会情感智能专业委员会委员、中国气象学会气象人工智能专业委员会委员、《电子与信息学报》《科学与人文艺术》青年编委，研究方向为情感计算与人智交互、气象人工智能、科学智能与人工智能哲学。

序

前言

致谢

第1部分 基础知识

01 第1章 情感计算

1.1 引言

1.2 情绪、情感与情感体验理论

1.3 人格与学习理论

1.3.1 主要的人格理论

1.3.2 人格对学习的影响

1.4 认知加工与面向学习的情感

1.5 情绪、情感、人格与机器

1.6 讨论

参考文献

02 第2章 机器学习与模式识别在情感计算中的应用

2.1 引言

2.2 情感计算中的输入数据

2.3 机器学习的分支与模型

2.3.1 监督学习

2.3.2 无监督学习

2.3.3 其他学习变体

2.4 降维

2.5 深度学习

2.5.1 神经网络

2.5.2 卷积神经网络

2.5.3 序列模型

2.5.4 其他基于深度学习的模型

2.6 讨论

参考文献

……