情感抒发

摘要： 【课文精析】《谁是最可爱的人》是著名作家魏巍的代表作之一。这篇通讯热情讴歌了中国人民志愿军在抗美援朝战场上的英雄事迹。“最可爱的人”由此成为沿用至今的美好称谓。2019年5月24日《光明日报》曾专门刊发文章,纪念这篇“新中国文学记忆”中的经典作品。《谁是最可爱的人》的表达艺术之一是真挚热诚的情感抒发。谁是我们最可爱的人呢?我们的战士,我感到他们是最可爱的人。

摘要： 古诗词以其精练的语言、鲜活的画面、真挚的情感以及多元的文化,在统编教材中占据着重要的位置。我们除了要从常规性思维层面感受诗歌语言所描绘的画面,还要体会语言文字中蕴藏的丰富情感。由于古诗词情感抒发相对含蓄,常常是借景抒情,或者借物抒情,这给学生体悟写景诗中的情感带来了一定的障碍。因此,教师要借助语言文字的平台,引导学生细加揣摩。

摘要： 弶港渔号子,江苏东台黄海上一道鲜活灵动、永不褪色的风景。她是渔民们的集体原创,来自耕海牧渔生活的长期积累和向海图强的情感抒发。弶港渔号子2011年入选江苏省非物质文化遗产。盘车号子、牵篷号子、起重号子、测水号子等原汁原味的号子,犹如永不离海的鸥群,又犹如潮头欢奔的浪花,在大潮小汛间,传颂着一个个动人的故事。

摘要： 共情,让古诗文学习声情并茂。学生只有真正走进作者的内心世界,才能更好地感受作者以情化文、以文抒情的情感抒发过程,从字、词、句的层面深刻理解作者的用意,达到与作者情感和思想通联与耦合的境界。那么,在高中古诗词教学中如何激发学生情感与想象,提升学生共情能力呢?本文将结合《念奴娇·赤壁怀古》中的教学点滴进行简要的探讨和思考。一、以诵读激发情感,以情化文要引发共情,就要学会埋下共情的“种子”。

摘要： 科波拉导演的《教父》三部曲诞生于1972年到1990年,1972年《教父I》上映后一炮而红,1974年《教父Ⅱ》再展宏图,1990年《教父Ⅲ》横空出世并在全球迅速蹿红.科波拉《教父》三部曲之所以被誉为经典,一是故事结构拥有史诗般气魄,二是在音乐运用上,通过旋律向观众传达特定的内涵,构建出丰富的音乐语言体系,凸显出浓烈的艺术氛围.文章基于此,从电影音乐对于抒发感情、气氛渲染、情节推进、人物塑造等方面对音乐在电影《教父》三部曲中所起的作用进行探究.

摘要： 珉一白:不爱上网的极简主义者,一个冷漠的人。喜欢听老歌,每天都会坚持写一句话日记,不爱运动却想减肥。有个很喜欢的画师叫钱忆。读书与写字都是期望与内心和解的自我情感抒发。发表文章:《晴天看夕阳》《鮮衣怒马少年时》《他是年少的心动》《像你这样优秀的人》《多么有幸遇见你》《如果我足够优秀就好了》。

摘要： 科波拉导演的《教父》三部曲诞生于1972年到1990年,1972年《教父I》上映后一炮而红,1974年《教父Ⅱ》再展宏图,1990年《教父Ⅲ》横空出世并在全球迅速蹿红。科波拉《教父》三部曲之所以被誉为经典,一是故事结构拥有史诗般气魄,二是在音乐运用上,通过旋律向观众传达特定的内涵,构建出丰富的音乐语言体系,凸显出浓烈的艺术氛围。文章基于此,从电影音乐对于抒发感情、气氛渲染、情节推进、人物塑造等方面对音乐在电影《教父》三部曲中所起的作用进行探究。

摘要： 贝多芬是德国著名的钢琴家和作曲家,也是维也纳古典乐派代表人物之一,在世界音乐史上有着显赫的地位.贝多芬一生创作了32首钢琴奏鸣曲,每首乐曲都富有极强的表现力和戏剧性,不仅表现出他内心丰富的情感世界,还体现了他勇于同命运做斗争的英勇气概.本文将以贝多芬在奏鸣曲中的作曲技法为出发点,以其代表作《暴风雨奏鸣曲》为例,通过运用音乐美学、旋律学和音乐心理学的方法,并结合笔者对该作品的演奏理解,对贝多芬在奏鸣曲中贝多芬通过怎样的方式抒发情感、表达了怎样的情感以及后人如何触键来表达出情感进行分析,以便更好地理解贝多芬的情感表达与乐曲处理,为以后进行更准确的演奏做铺垫.

摘要： 书法是一个现实的实际操作和人的内心情感抒发双重的艺术门类。书法情感的表现,是一个无比重要的概念。谈到情感的时候,我们常会和一般的日常情感联系起来,比如我们最常见的喜怒哀乐,但这是一般情感,不属于艺术情感的范畴,只有上升到一定层次,才可以称之为审美情感。节奏是我们在书法操作过程中,书法形式中的一个重要概念,但不是形式的全部。节奏就是一个事物在特定的时间里面延展、间隔,再延展往复的一种行为,一种节拍。在书法形式创作过程中,布置点、线、空间的时候,这个因素很重要。节奏层面可伸可缩,展开来可以介入到点画结构中。

摘要： 儿童天生有好奇心,对新奇事物、新异刺激容易留下深刻印象。儿童生活在自己构建的想象和现实交织的世界中,对引发强烈情绪的事件(快乐、激动、愤怒、悲伤等)体察深刻;儿童想象丰富,尤善于发散思维,但不善归纳推理……儿童立场视域下的习作命题要将儿童视为具有话语权和富有生命力的主体,自觉站在儿童的角度,以儿童是否乐于书面表达、是否易于情感抒发作为标尺,其核心是以"儿童之眼"发现儿童生活。

摘要： 中国古代散文是一个古典主义(拟古主义)强势的传统,拟古成风,史上的秦汉派、唐宋派,在秦汉、唐宋时期并未成派,他们实际上是后代拟古派中的拟秦汉派、拟唐宋派.本文认为历史上的六朝派(拟六朝派)传统,人数更多,时间更长,对文人的精神影响更深远,而这一传统至今被人们忽视.本文试图揭示这一特殊的传统,填补文学史上的断链,并力图阐发这一特殊传统所具有的创新的现代价值:追求精神解放与人格独立,重视个性与情感抒发,关注形式审美.可以说没有六朝派的文学史、文学思想史是残缺的、表面的.本文试图从六朝派的提出,历代的拟六朝派,六朝派的现代意义,六朝派作为中国文学史上最重要的隐传统几个方面来展开论述.

摘要： 本发明公开了基于维度情感模型的群体情感识别与异常情感检测方法，涉及智能情感识别技术领域，基于认知心理学PAD三维情感模型，通过数据搜集和人工标注，创建群体情感的视频数据集，揭示了六种典型情感在PAD空间中的位置关系；创建基于群体行为的情感预测模型，将群体运动特征映射为PAD空间中的三维坐标；构建异常情感分类器，当检测到愤怒和恐惧这两种异常情感，则判定场景产生了异常状态。针对群体运动视频，本申请既能够准确表达群体情感的连续变化状态，还可以实现对全局异常状态的有效识别。

摘要： 本发明涉及到情感分析领域，提出了一种基于语义、情感惯性和情感共性的对话情感分析方法，步骤包括：首先获取对话交替进行的多轮对话数据，并对不同人物角色进行标明；然后对多轮对话中的每条对话信息进行时序建模，提取出其中对应的语义信息表达序列；最后基于多轮对话所提取的语义信息表达序列，分离出对应的情感状态表达序列，并进行情感识别。在本发明中，打破了传统的以语义信息决定情感分类的做法，提出了由语义状态与情感状态分离的方法，由情感状态决定情感分类，从心理学的角度改进了现有对话情感分析方法，提升了情感识别的效果。

摘要： 本发明提供一种情感识别方法、情感识别设备及情感识别系统。其中，情感识别方法包括以下步骤：获取三维传感器阵列服装采集的用户的当前肌肉应力信号数据；将当前肌肉应力信号数据输入至已训练好的多元情感分类模型，获得多元情感分类模型输出的情感识别结果。本发明通过采用三维传感器阵列服装采集人体表达情感时当前肌肉应力信号数据，将其输入已训练好的多元情感分类模型中，多元情感分类模型通过肌肉应力信号数据输出其对应的情感识别结果。通过三维传感器阵列服装采集人体表达情感时的动作数据，可以确保高质量捕获肌肉应力信号数据，并根据动作与情感状态之间的关系，可以更准确地识别人体的情感表达，提高了情感识别的准确性。

摘要： 本发明公开了基于维度情感模型的群体情感识别与异常情感检测方法，涉及智能情感识别技术领域，基于认知心理学PAD三维情感模型，通过数据搜集和人工标注，创建群体情感的视频数据集，揭示了六种典型情感在PAD空间中的位置关系；创建基于群体行为的情感预测模型，将群体运动特征映射为PAD空间中的三维坐标；构建异常情感分类器，当检测到愤怒和恐惧这两种异常情感，则判定场景产生了异常状态。针对群体运动视频，本申请既能够准确表达群体情感的连续变化状态，还可以实现对全局异常状态的有效识别。

摘要： 从声音信号数据对每个分析帧提取声音特征量，并将该声音特征量存储到存储单元(S120)。接着，从存储单元读取所述声音特征量，使用基于预先输入的学习用声音信号数据所构成的一个以上的统计模型，计算与所述情感状态对应的所述声音特征量的情感状态概率(S130、S140、S150)。然后，基于计算的所述情感状态概率，判定包含所述分析帧的区间的情感状态(S160)。

摘要： 本发明公开了情感分析技术领域的融合情感资源的多模态情感分析模型，包括：用来进行文本、视觉与听觉模态特征初步提取的单一模态特征提取层模块，利用Transformer捕捉模态内部的动力，并设计情感词分类预测任务进行情感嵌入学习和提取的单一模态特征深度提取层模块，利用情感嵌入来完成多模态特征交互学习，使得其他模态特征能够感知文本中情感信息的跨模态交互学习层模块，将前三层学习到的情感特征表示最终输入深度神经网络完成最终预测任务的预测层模块，首个将情感资源作为主导信息来进行多模态情感分析的模型，设计了一种情感词分类预测任务进行情感知识学习，相较于现有的多模态情感分析方法，本申请的方法具有明显优势和较好的泛化性。

摘要： 本发明涉及基于情感语义对抗的跨语言情感分类方法，属自然语言处理领域。本发明包括：构建汉越疫情相关社交媒体评论的数据集；将句子以及句子中情感词拼接，用卷积神经网络对拼接后的句子分别进行联合表征，分别获得单语语义空间下的情感语义表征；其次，通过对抗网络，在双语情感语义空间将带标签数据与无标记数据的情感语义表征进行对齐；最后将句子与情感词最显著的表征进行拼接，得到情感倾向性分析结果。本发明通过融合情感信息信作为背景信息实现了跨语言情感倾向性分析，从获取的舆情数据中为低资源数据获得情感分类结果，为后续的文本分类及低资源语言细粒度情感分析提供了支撑。

摘要： 本发明属于图像内容分析领域，公开了一种基于情感属性挖掘的图像情感分析方法，利用用户元数据信息挖掘，构建语义覆盖面大、情感可判别能力强的情感属性子集，并采用融合神经网络和矩阵分解模型预测标签矩阵，提升图像情感分析结果的准确性与稳定性。根据用户标签元信息和情感属性的特点，融合四种情感属性特性并优化概念选择模型完成情感属性子集选择；利用卷积神经网络提取视觉特征并通过视觉内容一致性优化；构建引入外界知识库指导的邻接图并通过语义关联性优化；将图像视觉特征和标签语义特征映射到潜在共享空间中，实现预测标签矩阵的重构；最后，利用训练好的重构模型来重构预测标签矩阵，并使用线性分类器进行最终的情感识别。

摘要： 本发明公开了一种基于SOPMI算法的情感词典扩充方法及情感极性分析方法，包括以下步骤：收集舆情文本数据；收集褒义词贬义词作为种子词；利用SOPMI算法计算词语的情感分数并生成情感词典；利用jieba对文本数据进行分词，并提取其中的名词和动词；利用名词和动词的分数加权对文本信息进行打分。解决了大多数情感极性分析智能基于现有情感词典，无法生成自己项目专有的情感词典。

摘要： 本发明公开了一种基于多分辨率情感和多类型知识的情感对话生成方法，包括接收对话中的语句文本，并进行标记；建立多分辨率情感模块；多分辨率情感模块将情感词转换为向量表示，生成最终多分辨率情感上下文；建立多类型知识交互模块；多类型知识交互模块通过对话上下文和多类型知识之间的联合交互构建情感增强的上下文；生成交互式向量，提取情感信号；解码器进行响应，生成情感响应并与用户输入共同构成情感对话。本发明利用多种类型的知识明确理解和表达情感对话生成中的情感，利用多类型知识获得情感增强的上下文语境图，利用多分辨率情感来更好地捕捉用户情感的细微变化，并将多向量进行融合并提取情感信号，来指导情感响应的生成。