山西大学在人工智能情感计算领域取得重要进展

山西大学在人工智能情感计算领域取得重要进展

近日，山西大学大数据科学与产业研究院在人工智能情感计算领域取得重要突破。研究团队提出了一种创新的多尺度双曲对比学习方法（MSHCL），显著提升了跨被试EEG情感识别的准确性，在多个公开数据集上达到国际领先水平。

在人机交互和情感计算领域，准确识别和理解人类情感对于提升交互体验和实现更智能的系统至关重要。脑电图（EEG）作为一种客观的生理信号，为情感分析提供了可靠的依据。然而，由于脑电信号的非平稳特性和较大的个体差异特性，EEG信号在跨被试情感识别任务中面临巨大挑战。

针对这一难题，山西大学大数据科学与产业研究院教师畅江、钱宇华教授、研究生张志鑫与湖南师范大学心-脑交叉科学研究中心林盘教授合作，提出了一种新颖的多尺度双曲对比学习方法（MSHCL）。该方法通过利用情感和刺激两种尺度的事件相关性来学习跨被试的不变表示，有效提高了跨被试EEG情感识别的准确性。

MSHCL方法将双曲空间嵌入与多尺度对比学习相结合，能够有效捕捉脑电信号的层次化特征。实验结果表明，该方法不仅显著减少了不同被试间的分布差异，还能够成功保留情感特异性。在SEED、MPED和FACED三个公开数据集上，MSHCL均达到了国际领先水平。特别是在SEED数据集的三分类任务中，MSHCL的准确率达到了89.3%，相较于现有方法有了显著提升。

这一研究成果为脑机接口、心理健康监测等领域提供了更鲁棒的算法支持，有望推动相关技术的进一步发展。该工作得到了山西省青年科学基金、山西省基础研究计划、山西省科技重大专项计划项目、中央引导地方科技发展资金、山西省科技创新团队专项基金、国家自然科学基金的支持。