干货！情感分析实用数据库，都在这里了！

众所周知，人随时随地都会有喜怒哀乐等情感的起伏变化。那么在人与计算机交互过程中，计算机是否能够体会人的喜怒哀乐，并见机行事呢？

情感计算研究就是试图创建一种能感知、识别和理解人的情感，并能针对人的情感做出智能、灵敏、友好反应的计算系统，即赋予计算机像人一样的观察、理解和生成各种情感特征的能力。

传统的情感计算方法是按照不同的情感表现形式分类的，分别是：文本情感分析、语音情感分析、视觉情感分析。学术君以此整理了四个情感计算的常用工具及数据库，供参考。

以下内容摘自AI报告《人工智能之情感计算》。

文本情感分析，简而言之就是对带有情感色彩的主观性文本进行分析、处理、归纳和推理的过程。

得益于互联网的飞速发展，人们在社交媒体上留下了大量的对人物、事件、产品等的评论信息，这些信息里饱含着各种情感色彩和情绪倾向。

基于这些带有主观色彩的评论，我们可以了解大众舆论对某一事件或产品的看法。

下面，是学术君整理的10个常用情感分析API。

语音情感识别研究的开展离不开情感语音数据库的支撑。情感语音库的质量高低，直接决定了由它训练得到的情感识别系统的性能好坏。学术君综合多项参数，整理了10个常用的语音情感数据库。

表情作为人类情感表达的主要方式，其中蕴含了大量有关内心情感变化的信息，通过面部表情可以推断内心微妙的情感状态，计算机进行自动人脸表情识别所利用的主要也是视觉数据。

视觉情感信号的识别和分析主要分为面部表情的识别和手势识别两类。

对于面部表情的识别，要求计算机具有类似于第三方观察者一样的情感识别能力。由于面部表情是最容易控制的一种，所以识别出来的并不一定是真正的情感。但也正由于它是可视的，所以它非常重要，并能通过观察它来了解一个人试图表达的东西。

下面是学术君整理的常用表情分析数据库。

对于手势识别来说，一个完整的手势识别系统包括三个部分和三个过程。三个部分分别是：采集部分、分类部分和识别部分；三个过程分别是：分割过程、跟踪过程和识别过程。

根据识别效果和使用范围，学术君整理出以下手势分析数据库。