Seemo：一种计算情感的方案

成功的互动基于意识到他人的情绪并据此做出调整。然而，理解情绪是一项复杂的任务，在过去的几十年中，这引发了研究人员之间的无数争论。人类情绪的抽象性突显了需要一种新的数据驱动方法，以便更好地描述和比较细微的情绪状态。在本研究中，我们提出了Seemo，这是一种新颖的神经嵌入框架，它使我们能够将人类情绪映射到向量空间表示中。Seemo使用Twitter数据进行训练，并在传统情绪研究中的两个基本用例上进行了评估：确定情绪的基本维度和识别基本情绪的集合。评估结果表明，在这两个任务上，Seemo可以生成与主流理论一致的结果。结果还显示，Seemo的向量空间表示可以有效地解码通常没有明确呈现的情绪之间的重要关系。