王藝霖　趙文浦　吳春穎

摘? 要：近年來，國內(nèi)情感識(shí)別領(lǐng)域研究發(fā)展迅速，但仍缺乏對已有進(jìn)展的整理統(tǒng)計(jì)。為找出該領(lǐng)域內(nèi)研究不足和未來發(fā)展趨勢，文章基于中國知網(wǎng)（CNKI）中的國內(nèi)情感識(shí)別相關(guān)文獻(xiàn)進(jìn)行樣本檢索，通過文獻(xiàn)計(jì)量法對樣本進(jìn)行多維度分析;利用可視化工具（CiteSpace）探究樣本關(guān)鍵詞及發(fā)展階段。結(jié)果表明其研究熱點(diǎn)主要圍繞語音情感識(shí)別、支持向量機(jī)、深度學(xué)習(xí)等;歷經(jīng)了起步探索、發(fā)展強(qiáng)化至深化研究三個(gè)階段;未來情感識(shí)別領(lǐng)域的研究趨勢將集中于語音情感識(shí)別等方向。

關(guān)鍵詞：情感識(shí)別;網(wǎng)絡(luò)輿情;文獻(xiàn)計(jì)量學(xué);CiteSpace

中圖分類號(hào)：TP18;G353.1 文獻(xiàn)標(biāo)識(shí)碼：A? 文章編號(hào)：2096-4706（2021）17-0001-06

Abstract： In recent years， the research in the field of emotion recognition in China has developed rapidly， but there is still a lack of sorting and statistics of the existing progress. In order to find out the lack of research and future development trend in this field， based on the domestic emotion recognition related literatures in China National Knowledge Internet （CNKI）， this paper carries out sample retrieval， multi-dimensional analysis of the samples through bibliometrics， and uses visualization tools （CiteSpace） to explore the sample keywords and development stages. The results show that it's research hotspots mainly focus on speech emotion recognition， support vector machine and deep learning; it has gone through three stages： initial exploration， development and strengthening to in-depth research; the research trend in the field of emotion recognition will focus on speech emotion recognition in the future.

Keywords： emotion recognition; internet public opinion; bibliometrics; CiteSpace

0? 引? 言

情感識(shí)別與交互是基于人工智能的方法和技術(shù)賦予機(jī)器或計(jì)算機(jī)以人類式的情感，使之具有識(shí)別、表達(dá)和理解情緒的能力，具有模仿、延伸和擴(kuò)展人類情感的能力，從而建立和諧的人機(jī)環(huán)境，并使機(jī)器人智能化[1]。根據(jù)情感信息來源的不同，情感識(shí)別可分為語音情感識(shí)別、表情識(shí)別、身體姿勢和生理信號(hào)等情感信息的識(shí)別[2]。近年，情感識(shí)別逐漸成為人工智能研究的重要領(lǐng)域，廣泛應(yīng)用在社會(huì)安全治理，網(wǎng)絡(luò)輿論分析，醫(yī)療，教育等眾多方面。

隨著科學(xué)技術(shù)手段的不斷發(fā)展，人們要求計(jì)算機(jī)、機(jī)器人能夠輔助或替代人類分析海量數(shù)據(jù)，適應(yīng)越來越復(fù)雜且廣泛的工作。算法程序讓計(jì)算機(jī)具有情感識(shí)別，表達(dá)，理解能力，從而能在愈多的方面替代、補(bǔ)償和加強(qiáng)人的感知功能、思維功能和行為功能。Pang等最早將機(jī)器學(xué)習(xí)算法應(yīng)用至文本情感分類任務(wù)中，利用不同的機(jī)器學(xué)習(xí)模型對影片評(píng)論進(jìn)行情感分析[3]。1989年，LeCun通過反向傳播和神經(jīng)網(wǎng)絡(luò)識(shí)別手寫數(shù)字，是CNN的第一個(gè)實(shí)現(xiàn)網(wǎng)絡(luò)[4]。2012年，Alex等人通過訓(xùn)練深度卷積網(wǎng)絡(luò)，將120萬張高分辨率的圖片分為1 000個(gè)類別，在ImageNet LSVRC-2012 contest上，獲得了驚人的準(zhǔn)確度（top-5：15.3%）[5]。自2006年，深度學(xué)習(xí)在算法，應(yīng)用等領(lǐng)域都獲得引人注目的成就，成為人工智能時(shí)代不可或缺的強(qiáng)大支柱。2016年《地平線報(bào)告（高等教育版）》提出，之后的四至五年里，情感計(jì)算或?qū)⒈淮罅窟\(yùn)用于各個(gè)方面[6]。2020年，全球新冠爆發(fā)，徐永順對核心疫區(qū)不同人群在疫情的各個(gè)拐點(diǎn)期的情緒進(jìn)行識(shí)別并進(jìn)行深度全面的需要分析，為政府部門解決實(shí)際民生問題提供了決策支撐[7]。

文獻(xiàn)計(jì)量學(xué)是在科學(xué)計(jì)量學(xué)與數(shù)據(jù)可視化背景下逐步發(fā)展起來的一種可視化分析方法，其以知識(shí)圖譜的形式對固定領(lǐng)域研究現(xiàn)狀和發(fā)展態(tài)勢有很好的分析及預(yù)測作用[8]。如今，文獻(xiàn)計(jì)量法廣泛運(yùn)用于生物生態(tài)環(huán)境研究、城市風(fēng)險(xiǎn)預(yù)測和人工智能等多個(gè)領(lǐng)域。本文利用中國知網(wǎng)數(shù)據(jù)庫（CNKI）作為文獻(xiàn)數(shù)據(jù)檢索來源，通過CiteSpace軟件，對既往情感識(shí)別文獻(xiàn)進(jìn)行梳理整合，結(jié)合圖譜辨析該領(lǐng)域的研究熱點(diǎn)與演化路徑，探究該領(lǐng)域國內(nèi)未來可能的發(fā)展趨勢。

1? 文獻(xiàn)來源及研究方法

1.1? 數(shù)據(jù)來源

中國知網(wǎng)（CNKI）數(shù)據(jù)庫擁有穩(wěn)定廣泛的數(shù)據(jù)來源，專業(yè)的信息資料通道，并且保持實(shí)時(shí)更新期刊、報(bào)紙、行業(yè)動(dòng)態(tài)，具有權(quán)威性、規(guī)范性、前沿性等特點(diǎn)。本文以CNKI數(shù)據(jù)庫為基礎(chǔ)，在“高級(jí)檢索”的檢索方式下，以“主題”為檢索項(xiàng)，“情感”+“識(shí)別”為檢索詞，全年份進(jìn)行搜索，選擇中文文庫，經(jīng)過人工篩選，剔除關(guān)聯(lián)度較低的新聞報(bào)道、書評(píng)、導(dǎo)語序言及其他不符合本研究的文獻(xiàn)后，最終得到并導(dǎo)出情感分析領(lǐng)域有效文獻(xiàn)數(shù)據(jù)3 911篇。

1.2? 研究方法及工具

文獻(xiàn)計(jì)量學(xué)軟件CiteSpace是由陳超美教授于2004年開發(fā)的一款科學(xué)知識(shí)圖譜可視化軟件。其作為近年來熱門的文獻(xiàn)可視化工具，通過繪制、生成、解讀知識(shí)圖譜來展示信息群間的網(wǎng)絡(luò)、互動(dòng)與衍生，實(shí)現(xiàn)對知識(shí)的梳理與整合。本文通過CNKI數(shù)據(jù)庫檢索得到文獻(xiàn)數(shù)據(jù)并進(jìn)行格式轉(zhuǎn)換，以ReWorks數(shù)據(jù)格式導(dǎo)出;隨后，運(yùn)用CiteSpace對情感識(shí)別領(lǐng)域相關(guān)研究作者及機(jī)構(gòu)的合作網(wǎng)絡(luò)進(jìn)行共現(xiàn)分析，從而展現(xiàn)該領(lǐng)域的基本現(xiàn)狀;最終，通過高頻關(guān)鍵詞探究自該領(lǐng)域被提出以來其研究熱點(diǎn)，通過時(shí)區(qū)熱詞探究情感識(shí)別學(xué)科演化路徑及發(fā)展動(dòng)態(tài)。

2? 情感識(shí)別研究知識(shí)圖譜梳理

2.1? 發(fā)表年份和發(fā)表數(shù)量

本文基于CNKI數(shù)據(jù)庫中現(xiàn)有的國內(nèi)情感識(shí)別領(lǐng)域相關(guān)文獻(xiàn)，對其發(fā)表年份與對應(yīng)數(shù)量進(jìn)行統(tǒng)計(jì)，如圖1所示。

由圖1可知1992年到2005年情感識(shí)別領(lǐng)域發(fā)表文獻(xiàn)數(shù)量較少，表明該領(lǐng)域還處于起步發(fā)展階段。2006年學(xué)科領(lǐng)域發(fā)文量出現(xiàn)了一個(gè)小高峰，由于該年1月，蔣丹寧等人運(yùn)用統(tǒng)計(jì)特征和時(shí)序特征的情感識(shí)別算法對語音進(jìn)行分類，引起學(xué)界廣泛關(guān)注，將語音情感識(shí)別領(lǐng)域的研究推向高潮[9]。2019年至今，我國在該研究領(lǐng)域的文獻(xiàn)數(shù)量呈現(xiàn)爆發(fā)式增長態(tài)勢。“特征提取”“神經(jīng)網(wǎng)絡(luò)”“遺傳算法”“機(jī)器學(xué)習(xí)”“深度學(xué)習(xí)”等新技術(shù)新算法的提出為情感識(shí)別體系構(gòu)造開拓了研究范圍，從而情感識(shí)別與人工智能不斷融合，互相推進(jìn)。從整體上看，學(xué)界對情感識(shí)別領(lǐng)域的研究從未停歇，直至今日仍然為共同關(guān)注的焦點(diǎn)。

2.2? 研究作者及合作網(wǎng)絡(luò)分析

通過對中文核心期刊發(fā)文作者的共現(xiàn)研究，可以明確該領(lǐng)域核心作者的合作情況[10]。對CNKI數(shù)據(jù)庫中全部國內(nèi)情感識(shí)別領(lǐng)域的研究作者進(jìn)行統(tǒng)計(jì)分析，運(yùn)用CiteSpace軟件，參數(shù)選取（Selection Criteria）為Top50 per slice，時(shí)間跨度截取1996—2020年，時(shí)間切片為一年（Slice Length=1），得到情感識(shí)別領(lǐng)域主要研究作者及其合作網(wǎng)絡(luò)圖，如圖2所示。

圖2中每個(gè)節(jié)點(diǎn)代表一位作者，節(jié)點(diǎn)的大小與作者發(fā)文量及影響力呈正相關(guān);節(jié)點(diǎn)不同顏色的線圈代表發(fā)文時(shí)間，隨著圖表上的時(shí)間軸色階圖而變化，每個(gè)節(jié)點(diǎn)內(nèi)側(cè)顏色代表該作者早期的發(fā)文時(shí)間，外側(cè)顏色代表目前最新的發(fā)文時(shí)間;各節(jié)點(diǎn)之間的連線代表作者間的合作關(guān)系，線條越粗則合作聯(lián)系程度越強(qiáng)。由圖2可得，趙力（55篇）、張雪英（33篇）、劉光遠(yuǎn)（29篇）、孫穎（28篇）等為主要高產(chǎn)發(fā)文作者，在該學(xué)科領(lǐng)域中研究成果頗豐;孫穎、張雪英、張衛(wèi)近年來合作共著與學(xué)術(shù)交流較密切，皆來自太原理工大學(xué)，形成穩(wěn)固的合作關(guān)系群落。另有以趙力為核心的多位學(xué)者間存在密切聯(lián)系，且大多為跨機(jī)構(gòu)、跨院校合作，影響力較大。同時(shí)存在部分學(xué)者獨(dú)立發(fā)文，如王志良、毛峽等。從整體上看情感識(shí)別學(xué)科領(lǐng)域內(nèi)呈整體分散、部分集中的特點(diǎn)。學(xué)者間跨機(jī)構(gòu)合作研究力度不深，同一合作群落中的學(xué)者多為同一科研院所。

2.3? 代表性研究機(jī)構(gòu)分析

分析文獻(xiàn)的研究機(jī)構(gòu)可以反應(yīng)出該機(jī)構(gòu)在該領(lǐng)域里的影響及地位，同時(shí)也能展示出不同機(jī)構(gòu)之間的合作關(guān)系[11]。本文對情感識(shí)別領(lǐng)域樣本數(shù)據(jù)的研究機(jī)構(gòu)進(jìn)行統(tǒng)計(jì)分析，并運(yùn)用CiteSpace軟件生成研究機(jī)構(gòu)合作共現(xiàn)圖，清晰展示出國內(nèi)情感識(shí)別領(lǐng)域主要研究力量分布與聯(lián)系。主要研究機(jī)構(gòu)合作網(wǎng)絡(luò)共現(xiàn)如圖3所示。

圖3中每一個(gè)節(jié)點(diǎn)代表一個(gè)研究機(jī)構(gòu)，其表示含義與圖2相近。如圖3所示，從研究機(jī)構(gòu)發(fā)文量看，合肥工業(yè)大學(xué)計(jì)算機(jī)與信息學(xué)院（71篇）、上海交通大學(xué)計(jì)算機(jī)科學(xué)與工程系（37篇）、東南大學(xué)信息科學(xué)工程學(xué)院（33篇）等高校或研究機(jī)構(gòu)節(jié)點(diǎn)較大，發(fā)文量排名靠前，表明近年來這些高?；蜓芯繖C(jī)構(gòu)在情感識(shí)別領(lǐng)域有較為深入的探索;從研究機(jī)構(gòu)類別來看，大多科研成果集中在高校，高校是研究領(lǐng)域的核心力量與研究陣地。同時(shí)，高校中的研究集中于計(jì)算機(jī)與信息工程學(xué)院，這也與情感識(shí)別領(lǐng)域研究特色與專業(yè)方向有關(guān);從發(fā)文機(jī)構(gòu)間合作群落來看，東南大學(xué)與復(fù)旦大學(xué)，南京工程學(xué)院、江南大學(xué)與武漢商學(xué)院，江蘇第二師范學(xué)院分別形成機(jī)構(gòu)間合作網(wǎng)絡(luò)，皆為跨機(jī)構(gòu)合作。其中僅有桂林電子科技大學(xué)與桂林海威科技股份有限公司存在校企間合作研究群落，表明當(dāng)前該領(lǐng)域的研究大多匯集于高校內(nèi)部，缺乏多校融合交流、校企合作共贏?？傮w來看，該領(lǐng)域研究，還主要聚焦在高校，缺乏產(chǎn)業(yè)支撐，需要在產(chǎn)業(yè)端發(fā)掘科研潛力。

2.4? 發(fā)文期刊分布

對發(fā)文刊物分布進(jìn)行分析可反映出該領(lǐng)域文獻(xiàn)的主要分布脈絡(luò)以及期刊對文獻(xiàn)的認(rèn)可度對CNKI上所有的國內(nèi)情感識(shí)別領(lǐng)域刊載量最多的期刊進(jìn)行統(tǒng)計(jì)，得到情感識(shí)別領(lǐng)域刊載量前十期刊統(tǒng)計(jì)表1[12]。

由表1所示，刊載量在20篇以上的期刊有8個(gè)，占期刊文獻(xiàn)總量的20.07%。排名前三的期刊分別是《計(jì)算機(jī)工程與應(yīng)用》《計(jì)算機(jī)科學(xué)》《計(jì)算機(jī)應(yīng)用研究》，其發(fā)文量為53、44、37篇?！赌暇C(jī)械高等?？茖W(xué)校學(xué)報(bào)》是最早收錄情感識(shí)別文獻(xiàn)的期刊（2000年）其側(cè)重于分析語音信號(hào)的韻律特征，運(yùn)用主分量分析、GMM、神經(jīng)網(wǎng)絡(luò)進(jìn)行分類識(shí)別，是情感識(shí)別在語音情感識(shí)別的啟蒙文獻(xiàn)。《計(jì)算機(jī)工程與應(yīng)用》在2017年和2019年均收錄了6篇情感識(shí)別領(lǐng)域的文獻(xiàn)，主要探討“深度學(xué)習(xí)”“腦電信號(hào)”與情感識(shí)別的有機(jī)融合。

2.5? 高被引文獻(xiàn)分析

對高被引文獻(xiàn)進(jìn)行分析能有效了解該學(xué)科領(lǐng)域的基礎(chǔ)知識(shí)。對情感識(shí)別領(lǐng)域樣本數(shù)據(jù)中被引頻次排名前十的文獻(xiàn)進(jìn)行統(tǒng)計(jì)，如表2所示。其中8篇文獻(xiàn)皆為語音信號(hào)與情感識(shí)別相關(guān)的研究。這些高被引文獻(xiàn)的研究方向主要分布在三個(gè)方向：一是通過統(tǒng)計(jì)分類識(shí)別在影視、買賣市場、微博下的網(wǎng)絡(luò)評(píng)論分析，方便人們在無須閱讀評(píng)論的條件下，即可作出決策，如郝媛媛以體驗(yàn)型商品——電影為研究對象，深度考察正、負(fù)面情感對評(píng)論實(shí)用性影響的差異，并挖掘其他影響評(píng)論有效性的重要文本特征因素，建立高擬合度的評(píng)論有效性影響因素模型，有助于消費(fèi)者更精確、及時(shí)地識(shí)評(píng)論有效性，提高決策效率和效果;二是歸納前人的研究成果，即對語音情感識(shí)別、情感分析的研究現(xiàn)狀和進(jìn)展進(jìn)行歸納總結(jié)，展望未來領(lǐng)域內(nèi)技術(shù)發(fā)展趨勢，如韓文靜綜合總結(jié)情感描述模型、具有代表性的情感語音庫、語音情感特征提取、識(shí)別算法和識(shí)別技術(shù)應(yīng)用，對語音情感識(shí)別研究的主流方法及前沿進(jìn)展進(jìn)行總括、對照和分析[13];三是識(shí)別漢語中句主題和文章主題與情感描述項(xiàng)之間的聯(lián)系以及計(jì)算主題的語義傾向，如姚天昉操縱領(lǐng)域本體來抽取語句主題及它的屬性，在句法分析的基礎(chǔ)上，識(shí)別主題和情感描述項(xiàng)之間的關(guān)系，從而最終決定文句中每個(gè)主題的極性[14]。

3? 情感識(shí)別研究知識(shí)圖譜可視化

3.1? 關(guān)鍵詞突發(fā)性監(jiān)測圖

為更清晰展示出國內(nèi)公共危機(jī)事件研究領(lǐng)域發(fā)展進(jìn)程，利用CiteSpace中burstness功能進(jìn)行關(guān)鍵詞突發(fā)性監(jiān)測。突變詞指在短時(shí)間內(nèi)出現(xiàn)較多或使用頻次較高的詞，依據(jù)突現(xiàn)詞的詞頻變化可以判斷研究領(lǐng)域的前沿趨勢，同時(shí)可以展示該新興熱點(diǎn)在學(xué)科領(lǐng)域中受關(guān)注度與可挖掘性[15，16]。對情感識(shí)別領(lǐng)域突發(fā)詞頻排列前十的關(guān)鍵詞進(jìn)行整理，得到情感識(shí)別領(lǐng)域突現(xiàn)主題及對應(yīng)的凸顯率和被引歷史曲線，如圖4所示。

圖4? 情感識(shí)別領(lǐng)域關(guān)鍵詞突發(fā)性監(jiān)測圖（跨年度：1年）

由圖4可知，突顯強(qiáng)度最大的是“深度學(xué)習(xí)”（41.31），其次是“情感計(jì)算”（21.73），隨后是“情感識(shí)別”（20.74）。其中“腦電信號(hào)”“情感識(shí)別”一直都是該領(lǐng)域熱詞，“情感計(jì)算”自2003年起爆發(fā)性增長。同時(shí)“深度學(xué)習(xí)”“卷積神經(jīng)網(wǎng)絡(luò)”集中出現(xiàn)的年份在2018年。越來越多的學(xué)者將深度學(xué)習(xí)運(yùn)用在情感識(shí)別、情感分析、情感計(jì)算領(lǐng)域。如劉鴻宇就評(píng)價(jià)對象抽取和傾向性判斷進(jìn)行深入研究，結(jié)合基于網(wǎng)絡(luò)挖掘的PMI算法和名詞剪枝算法對候選評(píng)價(jià)對象進(jìn)行篩選，并使用無指導(dǎo)的方法完成評(píng)價(jià)對象在情感句中的傾向性判斷，提高了信息處理精度[17]?？傮w來看，未來情感識(shí)別領(lǐng)域?qū)⑾蛏疃葘W(xué)習(xí)、卷積神經(jīng)網(wǎng)絡(luò)等方向進(jìn)行下一步探索。

3.2? 關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)可視化分析

基于CiteSpace可視化軟件，以文獻(xiàn)的關(guān)鍵詞為節(jié)點(diǎn)，時(shí)間切片設(shè)置一年，閾值選擇“Top N per slice”，并設(shè)定為任意時(shí)間片段內(nèi)篩選排名前50的高頻節(jié)點(diǎn)數(shù)據(jù)。結(jié)合圖譜修剪及人工調(diào)整等處理手段，對情感識(shí)別領(lǐng)域核心文獻(xiàn)進(jìn)行關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)分析，如圖5所示。圖中每個(gè)節(jié)點(diǎn)代表一個(gè)高頻關(guān)鍵詞，節(jié)點(diǎn)內(nèi)不同顏色的線圈代表其出現(xiàn)年份，外圈呈紫色說明該關(guān)鍵詞出現(xiàn)的年份較早且仍為當(dāng)前研究熱點(diǎn);節(jié)點(diǎn)間的連接則表示兩個(gè)關(guān)鍵詞在同一篇文章中共同出現(xiàn)，連接越粗則表示共現(xiàn)頻次越高[18]。

由圖5可知，情感識(shí)別、情感分析、情感計(jì)算、語音情感識(shí)別所在位置的節(jié)點(diǎn)較多，發(fā)文量最多，且其首次出現(xiàn)的年份較早（由表1可知），它們的出現(xiàn)伴隨著各種分類、聚類算法的加速發(fā)展衍生。在二十一世紀(jì)初，關(guān)于情感識(shí)別主題的研究集中于情感識(shí)別基本計(jì)算理論和情感識(shí)別系統(tǒng)模型的建造;2004年，吳丹等人建立了一個(gè)大型人臉表情視頻數(shù)據(jù)庫并制定了一套人臉表情視頻數(shù)據(jù)庫技術(shù)規(guī)范，得到情感識(shí)別領(lǐng)域?qū)W者的關(guān)注[19];隨后，自2005年起，人臉表情情感識(shí)別的研究進(jìn)入高峰，相關(guān)論文數(shù)量飆升，人機(jī)交互領(lǐng)域與情感識(shí)別領(lǐng)域逐漸交叉融合，并在接下來的10年內(nèi)，相關(guān)主題得到發(fā)展、完善。圖中語音情感識(shí)別、支持向量機(jī)、腦電信號(hào)等主題對應(yīng)的節(jié)點(diǎn)也相對較大，一直以來為情感識(shí)別領(lǐng)域的研究熱點(diǎn)。2019年情感識(shí)別領(lǐng)域的發(fā)文量是歷年最高的，其主要涉及的主題包括深度學(xué)習(xí)、主題模型、自然語言處理。目前，情感識(shí)別領(lǐng)域的覆蓋面逐年增廣，其主要涉及的主題包括機(jī)器人、科技教育、醫(yī)療、輿情預(yù)測、決策判斷等，情感識(shí)別領(lǐng)域從以往的體系建設(shè)逐步發(fā)展到關(guān)系民生，社會(huì)穩(wěn)定發(fā)展的重要輔助力量，這些事關(guān)民生福祉的主題工程很可能是該領(lǐng)域未來的研究趨勢。

3.3? 時(shí)間分區(qū)與演化路徑

為更清晰地梳理該領(lǐng)域研究主題的演化軌跡，運(yùn)用CiteSpace可視化軟件中的Timeline View功能，以情感識(shí)別研究文獻(xiàn)的轉(zhuǎn)折時(shí)間節(jié)點(diǎn)和峰值時(shí)間節(jié)點(diǎn)為限，分3階段進(jìn)行整理歸納，如圖6所示。

下文具體對各階段進(jìn)行闡述：

（1）起步探索階段（1992年—2005年）。由圖1和圖6可知，這時(shí)期屬于情感識(shí)別研究領(lǐng)域的探索階段，研究成果數(shù)量相對較少，僅占總體的1.57%。研究主題主要集中于“情感識(shí)別”“卷積神經(jīng)網(wǎng)絡(luò)”“情感計(jì)算”“腦電信號(hào)”等方面。情感識(shí)別、人機(jī)交互、腦電信號(hào)、卷積神經(jīng)網(wǎng)絡(luò)這些詞匯首次出現(xiàn)的年份較早（2000年之前），其詞頻數(shù)總和占比為48.06%，反映出情感識(shí)別領(lǐng)域在基礎(chǔ)研究領(lǐng)域日趨完善。2004年起人臉表情視頻數(shù)據(jù)庫開始進(jìn)入學(xué)者視野，受到情感識(shí)別體系學(xué)者廣泛關(guān)注。隨后，自2005年起，人臉表情情感識(shí)別的研究進(jìn)入高峰階段。此階段人臉表情識(shí)別作為一個(gè)生物特征識(shí)別與情感計(jì)算領(lǐng)域中極富挑戰(zhàn)性的交叉課題，魯棒的自動(dòng)人臉表情識(shí)別系統(tǒng)正在逐步建成[20]。同時(shí)，2005年，一家英國公司開發(fā)出一套軟件可以識(shí)別文章褒貶，但該軟件仍然不能判斷諷刺和花言巧語此時(shí)主題識(shí)別首次傳入中國，為之后主題模型的研究奠定了基礎(chǔ)[21]。

（2）發(fā)展強(qiáng)化階段（2006年—2018年）。由圖1和圖6可知，2006年—2018年時(shí)間段內(nèi)國內(nèi)情感識(shí)別研究領(lǐng)域不斷發(fā)展壯大，此階段內(nèi)的中文文獻(xiàn)發(fā)文量逐年遞增，占總體的74.03%。同時(shí)，研究主題也逐步開始橫向發(fā)展：語音情感識(shí)別、人工智能、意見挖掘、觀點(diǎn)挖掘、情感分析、特征選擇、特征提取、支持向量機(jī)等主題開始活躍起來。意見挖掘即對文本中隱含的情緒進(jìn)行研判，主要采用基于機(jī)器學(xué)習(xí)、詞典的方法等;情感分析領(lǐng)域的研究主要集中在對主觀內(nèi)容的識(shí)別、褒貶情感分析以及在線評(píng)論的經(jīng)濟(jì)價(jià)值挖掘等幾大方面，大部分研究借鑒文本挖掘、信息檢索、機(jī)器學(xué)習(xí)、自然語言處理、統(tǒng)計(jì)學(xué)等方面的技術(shù)和方法[22]。人工智能方面主要采用深度學(xué)習(xí)、大數(shù)據(jù)等手段。研究人機(jī)交互過程中機(jī)器識(shí)別情緒態(tài)度的途徑，達(dá)到交流和互動(dòng)的最佳效果[23]。自2010年后，文本意見挖掘，評(píng)論分析，語音情感識(shí)別的研究較為豐富。目前，世界上已有較多的語音特征提取方法，但研究者尚未針對特征提取方法對語音情感識(shí)別的有效性研究定論。整體上可將語音特征歸為3個(gè)類別：韻律特征、譜特征、其他特征[24]。語音情感識(shí)別的興起讓學(xué)者將這一技術(shù)運(yùn)用到文化遺產(chǎn)保護(hù)上，例如2017年李虹等人為了研究世界記憶遺產(chǎn)——東巴經(jīng)典古籍的音頻分類[25]。以基于語音情感特征提取的方法鑒別分類東巴音頻，并實(shí)現(xiàn)對東巴經(jīng)典語音的情感狀態(tài)識(shí)別，并同時(shí)提高人機(jī)交互性能，提出采用Mel頻率倒譜系數(shù)（MFCC）實(shí)現(xiàn)對語音情感特征的提取。

（3）深化研究階段（2018年至今）。此階段內(nèi)情感識(shí)別領(lǐng)域的研究呈現(xiàn)平穩(wěn)上升的趨勢，約占總體的34.74%。由圖6中年份欄可知：近年來并未出現(xiàn)新的熱點(diǎn)研究主題，可能由于當(dāng)前前沿理論研究仍處于萌芽階段，范圍較小，沒有形成大規(guī)模的研究。隨著“深度學(xué)習(xí)”和“大數(shù)據(jù)”的手段不斷推進(jìn)，該時(shí)期學(xué)界的研究主題轉(zhuǎn)向社交媒體的輿論等，更加重視情感識(shí)別建設(shè)的社會(huì)穩(wěn)定價(jià)值;2020年新型冠狀病毒疫情蔓延全球，屆時(shí)國內(nèi)情感識(shí)別領(lǐng)域的熱點(diǎn)集中于公共安全領(lǐng)域以及分析重大事件對網(wǎng)民情緒的影響有重大貢獻(xiàn)。劉忠寶、秦權(quán)在情感詞典的基礎(chǔ)上，引用雙向長短期記憶網(wǎng)絡(luò)建立網(wǎng)民情緒模型，利用自注意力機(jī)制和Bi-LSTM模型對疫情事件與網(wǎng)民情緒進(jìn)行關(guān)聯(lián)分析[26]。多種機(jī)器學(xué)習(xí)預(yù)測模型的在線生態(tài)識(shí)別（OER）法和詞典法等分析方法在此階段得到很好的運(yùn)用[27，28];同時(shí)在突發(fā)公共衛(wèi)生事件、謠言傳播、輿情分析等方向不斷深化探討，優(yōu)化突發(fā)重大事件從被動(dòng)處理到主動(dòng)預(yù)防方向的轉(zhuǎn)變，通過關(guān)聯(lián)分析網(wǎng)民情緒與疫情發(fā)展，對構(gòu)建科學(xué)性、先發(fā)性、戰(zhàn)略性的重大事件防控體系有導(dǎo)向作用。

4? 結(jié)? 論

本文運(yùn)用CiteSpace軟件，對中國知網(wǎng)（CNKI）數(shù)據(jù)庫中1996—2020年情感識(shí)別領(lǐng)域的中文文獻(xiàn)生成的圖譜及相關(guān)數(shù)據(jù)進(jìn)行了不同層次的分析和可視化研究，研究得出以下結(jié)論：

（1）1992年—2020年國內(nèi)情感識(shí)別領(lǐng)域研究呈現(xiàn)逐步增長的態(tài)勢。對核心研究作者及機(jī)構(gòu)合作網(wǎng)絡(luò)分布研究可知，趙力為該領(lǐng)域發(fā)文量最多的作者，在語音情感識(shí)別、語音信號(hào)的建設(shè)方面有較為深入的研究。太原理工大學(xué)、西南大學(xué)、東南大學(xué)、合肥工業(yè)大學(xué)以及北京航空航天大學(xué)為情感識(shí)別研究領(lǐng)域較為活躍的研究院校，且東南大學(xué)與復(fù)旦大學(xué)之前存在合作關(guān)系;《計(jì)算機(jī)工程與應(yīng)用》《計(jì)算機(jī)科學(xué)》與《計(jì)算機(jī)應(yīng)用研究》等期刊在該領(lǐng)域的發(fā)文量最多，是學(xué)者認(rèn)可度較高的期刊。

（2）通過對情感識(shí)別領(lǐng)域文獻(xiàn)的梳理與圖譜的分析，該領(lǐng)域未來可能呈現(xiàn)以下發(fā)展趨勢：高校與企業(yè)間的合作力度將不斷加深;通過情感識(shí)別對各個(gè)領(lǐng)域進(jìn)行情感干預(yù);識(shí)別精度不斷提高;多學(xué)科融合助力發(fā)展情感識(shí)別領(lǐng)域。

參考文獻(xiàn)：

[1] 張穎，羅森林.情感建模與情感識(shí)別 [J].計(jì)算機(jī)工程與應(yīng)用，2003（33）：98-102.

[2] 劉振燾，徐建平，吳敏，等.語音情感特征提取及其降維方法綜述 [J].計(jì)算機(jī)學(xué)報(bào)，2018，41（12）：2833-2851.

[3] MAURITIUS A R. Data classification using machine learning techniques：US8239335 [P].2012-08-07.

[4] LECUN Y，BOSER B，DENKER J S，et al. Backpropagation Applied to Handwritten Zip Code Recognition [J].Neural Computation，1989，1（4）：541-551.

[5] WANG Y C，LI M T，PAN Z C，et al. Pulsar candidate classification with deep convolutional neural networks [J].Research in Astronomy and Astrophysics，2019，19（9）：119-128.

[6] 金慧，劉迪，高玲慧，等.新媒體聯(lián)盟《地平線報(bào)告》（2016高等教育版）解讀與啟示 [J].遠(yuǎn)程教育雜志，2016，35（2）：3-10.

[7] 徐永順，周宇，劉淵，等.重大突發(fā)公共衛(wèi)生事件中的居民情感需求挖掘 [J].圖書館論壇，2021，41（9）：76-86.

[8] 趙蓉英，許麗敏.文獻(xiàn)計(jì)量學(xué)發(fā)展演進(jìn)與研究前沿的知識(shí)圖譜探析 [J].中國圖書館學(xué)報(bào)，2010，36（5）：60-68.

[9] 蔣丹寧，蔡蓮紅.基于語音聲學(xué)特征的情感信息識(shí)別 [J].清華大學(xué)學(xué)報(bào)（自然科學(xué)版），2006（1）：86-89.

[10] 陽富強(qiáng)，林子燚，邱東陽.基于CiteSpace的國內(nèi)城市公共安全可視化研究分析 [J].福州大學(xué)學(xué)報(bào)（自然科學(xué)版），2021，49（1）：121-127.

[11] 韓文靜，李海峰，阮華斌，等.語音情感識(shí)別研究進(jìn)展綜述 [J].軟件學(xué)報(bào)，2014，25（1）：37-50.

[12] 郝媛媛，葉強(qiáng)，李一軍.基于影評(píng)數(shù)據(jù)的在線評(píng)論有用性影響因素研究 [J].管理科學(xué)學(xué)報(bào)，2010，13（8）：78-88+96.

[13] 韓文靜，李海峰，阮華斌，等.語音情感識(shí)別研究進(jìn)展綜述 [J].軟件學(xué)報(bào)，2014，25（1）：37-50.

[14] 姚天昉，婁德成.漢語語句主題語義傾向分析方法的研究 [J].中文信息學(xué)報(bào)，2007（5）：73-79.

[15] 浦墨，鄭彥寧，趙筱媛，等.基于詞共現(xiàn)關(guān)系強(qiáng)度和關(guān)鍵詞詞頻的敘詞選詞方法探究 [J].圖書情報(bào)工作，2013，57（15）：121-125+49.

[16] 王娟，陳世超，王林麗，等.基于CiteSpace的教育大數(shù)據(jù)研究熱點(diǎn)與趨勢分析 [J].現(xiàn)代教育技術(shù)，2016，26（2）：5-13.

[17] 劉鴻宇，趙妍妍，秦兵，等.評(píng)價(jià)對象抽取及其傾向性分析 [J].中文信息學(xué)報(bào)，2010，24（1）：84-88+122.

[18] 王義保，楊婷惠.城市安全研究知識(shí)圖譜的可視化分析 [J].城市發(fā)展研究，2019，26（3）：116-124.

[19] 吳丹，林學(xué)訚.人臉表情視頻數(shù)據(jù)庫的設(shè)計(jì)與實(shí)現(xiàn) [J].計(jì)算機(jī)工程與應(yīng)用，2004（5）：177-180.

[20] 張家樹，陳輝，李德芳，等.人臉表情自動(dòng)識(shí)別技術(shù)研究進(jìn)展 [J].西南交通大學(xué)學(xué)報(bào)，2005（3）：285-292.

[21] 神奇軟件能識(shí)別文章褒貶 [J].中國新技術(shù)新產(chǎn)品精選，2005（3）：65.

[22] 張紫瓊，葉強(qiáng)，李一軍.互聯(lián)網(wǎng)商品評(píng)論情感分析研究綜述 [J].管理科學(xué)學(xué)報(bào)，2010，13（6）：84-96.

[23] 丁漢青，劉念.情緒識(shí)別研究的學(xué)術(shù)場域——基于CiteSpace的科學(xué)知識(shí)圖譜分析 [J].新聞大學(xué)，2017（2）：119-132+152.

[24] 郭鵬娟.語音情感特征提取方法和情感識(shí)別研究 [D].西安：西北工業(yè)大學(xué)，2007.

[25] 李虹，徐小力，吳國新，等.基于MFCC的語音情感特征提取研究 [J].電子測量與儀器學(xué)報(bào)，2017，31（3）：448-453.

[26] 劉忠寶，秦權(quán)，趙文娟.微博環(huán)境下新冠肺炎疫情事件對網(wǎng)民情緒的影響分析 [J].情報(bào)雜志，2021，40（2）：138-145.

[27] LI S J，WANG Y L，XUE J，et al. The Impact of COVID-19 Epidemic Declaration on Psychological Consequences：A Study on Active Weibo Users [J].International journal of environmental research and public health，2020，17（6）：1-9.

[28] LIU Z Y，GENG H J，CHEN H，et al. Exploring the Mechanisms of Influence on COVID-19 Preventive Behaviors in China's Social Media Users [J].INTERNATIONAL JOURNAL OF ENVIRONMENTAL RESEARCH AND PUBLIC HEALTH，2020，17（23）：14.

作者簡介：王藝霖（2001—），女，漢族，四川成都人，本科在讀，研究方向：數(shù)據(jù)警務(wù)技術(shù);趙文浦（2001—），男，漢族，山西懷仁人，本科在讀，研究方向：數(shù)據(jù)警務(wù)技術(shù);通訊作者：吳春穎（1977—），女，漢族，河北固安人，副教授，碩士，研究方向：大數(shù)據(jù)分析與大數(shù)據(jù)安全。