Page 68 - 基于深度学习的人工智能技术研究

Research on Artificial Intelligence Technology Based on Deep Learning
基于深度学习的人工智能技术研究

立多种不同的模型。在实际的不同需求和风格应用中，能得到对应的输出文本。
这一方法创造性更强、生成的结果更有多种多样的风格。从现阶段来看，模板式
和抽取式写稿机器人的技术已经趋于成熟，在市场上得到了广泛的应用；生成式
NLG 技术更加多样化，也是当前 NLG 技术中更为高级的目标。

4. 情绪识别
情绪识别指 AI 通过收取分析人类的生理或非生理信号而进行推测辨别的一
项技术。情绪识别的研究内容非常丰富，包括面部微表情、微小动作、心理、语
言、心率、行为等方面。目前，面部表情识别多采用图像识别的方法来实现，也

有通过语音识别技术进行情绪识别的方法。
人类的情绪是具有多样性的，也是非常多变的。情绪是可以被掩饰或改变的。
要去识别情绪，首先就要了解情绪表现的来源和识别这些情绪表现的方法。对于
不同来源的情绪表现，识别它们的方法也相应地有多种方法。其中，最主要的是

基于非生理信号的识别和基于生理信号的识别这两种。基于非生理信号的识别有
多种方式，目前主要采用对面部表情的识别或对语音语调的识别。对面部表情的
识别从属于图像识别领域，通常根据人在特定情况下产生的特定表情肌肉运动来
识别，在此不赘述。而对语音语调识别需要的信息更少，只用获取声音就能识别。

其原理是：拥有不同的情绪时，人表达语言的方式（语音、语调等）会发生一系
列变化，这种变化会传递出表达人自有的情绪特征，比如开心的人的语气比较激
昂，伤心的人的语气比较低沉。这些都属于基于非生理信号的识别方法。这类方
法虽然具有操作便捷、无需设备的优点，却也具有可靠性差的缺陷。因为，人们

可以通过伪装表情或者语气来掩饰自己的真实情绪，这种掩饰在现阶段较难被人
工智能方法成功识别出来。
从 1956 年至今，自然语言处理技术已经历了萌芽期、快速发展期、低速发
展期和复苏融合期等阶段的发展。这一技术的原理是基于人工智能技术，通过机

器学习、模拟分析等方法推断出结果。自然语言处理技术有语音识别、聊天机器
人、智能写作和情绪识别诸多应用领域，在机器翻译、信息提取等多方面帮助着
人类。在理论研究方面，自然语言处理技术发挥巨大作用，很有前瞻性和挑战性
；在社会影响方面，该技术可以帮助那些想要以适当形式表达自己想法的人。

60