DEAP: A Database for Emotion Analysis using Physiological Signals
论文:https://www.eecs.qmul.ac.uk/mmv/datasets/deap/doc/tac_special_issue_2011.pdf
数据集下载:https://github.com/CodeStoreHub/EEG-datasets
论文《DEAP: A Database for Emotion Analysis using Physiological Signals》(DEAP:使用生理信号进行情感分析的数据库)介绍了一个多模态数据集,旨在通过生理信号分析人类的情感状态。研究涉及32名参与者,他们观看了40段时长为一分钟的音乐视频片段,同时记录了他们的生理信号和脑电图(EEG)数据。参与者根据唤醒度(Arousal)、效价(Valence)、喜好度、支配感和熟悉度对视频进行评分。此外,22名参与者的正面面部视频也被录制。
论文的主要贡献和特点包括:
-
多模态数据:结合了EEG、外围生理信号(如皮肤电导、心率和呼吸)以及面部视频数据,提供了丰富的情感分析数据源。
-
刺激选择:视频片段通过一种新方法选择,该方法结合了last.fm网站的情感标签检索和自动视频高光检测,确保选取的内容能激发情感反应。
-
分析与分类:研究探讨了EEG信号频率与参与者情感评分之间的关联。论文还提出了使用EEG、外围生理信号和多媒体内容分析对唤醒度、效价和喜好度进行单次试验分类的方法。
-
数据库公开:该数据集已公开,鼓励其他研究人员使用该数据集测试他们的情感状态估计方法,从而推动情感计算领域的发展。
该数据集特别探索了通过音乐视频来引发的情感反应,并进行了相关的情感分类。这一研究对需要情感识别的系统(如自适应音乐视频推荐系统)具有重要意义,同时为情感计算领域做出了重要贡献。
这项工作对于情感智能系统的发展具有重要推动作用,例如能够根据用户情感推荐音乐视频的系统。