1.4.1 单模态情感分析

单模态情感分析旨在对仅涉及一种模态的情感信息进行分析与挖掘。常见的单模态情感分析包括文本情感分析、语音情感分析和图像情感分析。

文本情感分析是指对带有情感色彩的主观性文本进行分析，挖掘其中蕴含的情感倾向，对情感信息进行分类或抽取的过程。根据分析粒度的差别，文本情感分析方法大致可以分为文档级、句子级和细粒度的情感分析方法。

除文本之外，语音的声学特征也传递了人的情感特征。当一个人情绪激动时，语调往往会高昂起来，说话的节奏也很可能加快，而在情绪低落悲伤的时候，语调往往变得比较低沉。语音情感识别（Speech Emotion Recognition，SER）即通过分析说话人的语音来识别其情绪状态的方法，在特种行业、医疗护理、教育教学、智能交通等领域有着广泛的应用空间。例如，在航空、航天等领域，可以运用语音情感识别来监测飞行员、宇航员的情绪变化。

视觉信息也是一种重要的情感分析研究对象。人的面部表情是情绪情感的一个重要表达方式，也是心理学中对情绪情感进行研究的一个得力工具[9]。因此，面部表情分析（Facial Expression Analysis，FEA）已经成为一个活跃的研究领域。在普通表情之外，还有一类转瞬即逝的表情，称为微表情（Micro-Expression），这种表情往往与人们试图隐藏的情感有关。使用深度学习进行微表情识别（Micro-Expression Recognition，MER）是情感计算中一个新的活跃方向。除了表情之外，视频中的肢体动作也提供了重要的情感信息。