情感计算与精神障碍数据集的全面调查

《IEEE Transactions on Affective Computing》：A Comprehensive Survey on Datasets for Affective Computing and Mental Disorder

　　情感识别与心理健康数据集的系统研究，提出基于标签结构、信号模态、采集方法、应用场景及文化敏感性的五维分类框架，为计算心理健康领域提供结构化数据选型指南。

　　

摘要：

情绪、心情和心理障碍的自动化识别是一个关键的研究领域，对推动人机交互和数字医疗的发展具有深远的影响。然而，开发出可靠的模型在根本上依赖于高质量、记录完善的数据集。研究人员常常面临一个复杂且分散的研究领域，这使得选择合适的数据资源变得困难。为了解决这一挑战，本文对用于情绪和心理障碍识别的关键数据集进行了全面的调查。我们提出了一种新的结构化分类法，根据以下几个关键维度对这些数据资源进行分类：标签结构、信号类型和模态、收集方法、应用领域和目的，以及文化敏感性和语言习惯敏感性。这一框架为研究人员和实践者提供了系统性的指导，帮助他们在进行数据集选择时做出更明智的决策。通过明确现有数据集的优势、局限性和来源信息，这项工作有助于开发出更有效的计算系统，从而促进该领域的重要创新。