情感計(jì)算白皮書2022_第1頁(yè)
情感計(jì)算白皮書2022_第2頁(yè)
情感計(jì)算白皮書2022_第3頁(yè)
情感計(jì)算白皮書2022_第4頁(yè)
情感計(jì)算白皮書2022_第5頁(yè)
已閱讀5頁(yè),還剩131頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

3了充分的"用武之地",是該類技術(shù)應(yīng)用場(chǎng)景設(shè)計(jì)1.1.1情感對(duì)人類的意義時(shí)至今日,涉及情感的各種理論已具規(guī)模。圖1-1所示。4約公元17—18世紀(jì)心理學(xué)誕生的科學(xué)啟蒙階段(公元17-18世紀(jì)到19世紀(jì)末)(膽汁質(zhì)、多血質(zhì)、黏液質(zhì)、抑郁質(zhì))似乎有潛在第二階段的主要活動(dòng)是以科學(xué)的視角對(duì)上述概念進(jìn)行驗(yàn)證,并明確概念之間的機(jī)能關(guān)系。該階段的兩大情感研究陣營(yíng)分別是現(xiàn)代生理醫(yī)學(xué)和科學(xué)心理學(xué)。在現(xiàn)代生理醫(yī)學(xué)體系下,著名生物學(xué)家查爾斯·達(dá)爾文(CharlesDarwin)的著作《人ManandAnimals)被公認(rèn)為與他的《物種起源》(OntheOriginofSpecies)分量相當(dāng)?shù)摹扒楦小毖芯烤拮?。達(dá)爾文在書中提出了人類所擁有的一般表情,如痛苦、哭泣、快樂(lè)、憎恨、憤怒等。在此基礎(chǔ)上,他進(jìn)一步闡述了基于這些表情的情感、思維過(guò)程以及相應(yīng)的生理表現(xiàn)。這被認(rèn)為是現(xiàn)代科學(xué)有關(guān)情感及其行為研究的開(kāi)始。在科學(xué)心理學(xué)體系下,美國(guó)心理學(xué)家斯坦利·沙赫特(StanleyEmotion),被認(rèn)為是實(shí)現(xiàn)人工智能情感功能的理論基礎(chǔ)。該理論認(rèn)為情感既來(lái)自生理反應(yīng)的認(rèn)知評(píng)價(jià),也來(lái)自對(duì)導(dǎo)致這些反應(yīng)的情境的認(rèn)知評(píng)價(jià)。這一解釋為情感智能的實(shí)現(xiàn)提供了策略和思路。第三階段是心理學(xué)、生理學(xué)和信息技術(shù)的融合階段。在德國(guó)心理學(xué)家威廉·馮特(WilhelmWundt)創(chuàng)立科學(xué)心理學(xué)后的半個(gè)多世紀(jì)里,世界各地的心理學(xué)流派如雨后春筍般涌現(xiàn)。這些流派對(duì)情感都有著不同視角的認(rèn)知和理論。同時(shí),隨著現(xiàn)代生理醫(yī)學(xué)的發(fā)展,在神經(jīng)科學(xué)視角下情感的腦機(jī)制研究得到長(zhǎng)足進(jìn)步。美國(guó)心理學(xué)家保羅·??寺?PaulEkman)提出了如今被視作普遍標(biāo)準(zhǔn)的人類七大基本表情理論:快樂(lè)、悲傷、憤怒、厭惡、驚訝、蔑視和恐懼。由埃克曼領(lǐng)導(dǎo)開(kāi)發(fā)的人類表情動(dòng)作編碼系統(tǒng)(FACS)被認(rèn)為是機(jī)器視覺(jué)讀懂人類表情的關(guān)鍵技術(shù)。1997年,美國(guó)麻省理工學(xué)院媒體實(shí)驗(yàn)室(MITMediaLab)羅莎琳德·皮卡德(RosalindPicard)提出情感計(jì)算的明確定義,這正式開(kāi)啟了實(shí)現(xiàn)情感智能的人工智能新時(shí)代。結(jié)合不同時(shí)期人們對(duì)情感性質(zhì)和作用的認(rèn)識(shí),可以將情感對(duì)人類的意義歸納為以下五個(gè)方面。一是生存功能。人類為了適應(yīng)環(huán)境作出有利于生存和發(fā)展的生理反應(yīng),如在危險(xiǎn)環(huán)境中的緊張和應(yīng)激、在受到侵?jǐn)_和威脅時(shí)的憤怒和亢奮、在獲得食物和生存必需品時(shí)的喜悅和興奮。情感不斷地強(qiáng)化人類適應(yīng)和利用環(huán)境的能力,并形成習(xí)得性的生理反應(yīng),對(duì)個(gè)體的注意、記憶、感知等進(jìn)行調(diào)節(jié),從而在進(jìn)化中持續(xù)保障人類生存權(quán)和發(fā)展權(quán)。56認(rèn)知-評(píng)價(jià)理論要反映的是人類的基本情感類型,區(qū)分較為清晰,模型(見(jiàn)圖1-3),也因其橫縱軸結(jié)構(gòu)(橫軸表示醒度,上下分別表示喚醒程度高和低)被稱為VA類型,所有情感分布在每個(gè)軸兩極間的不同位置,度(Attention)組成的情感三維模型。另一個(gè)著名感輪”模型(見(jiàn)圖1-4),也被稱為倒錐體情感三維/憋悶惶恐疲乏開(kāi)心滿足安逸期待狂喜78自1956年人工智能的概念被提出后,關(guān)于情感計(jì)算的研究日益活躍(見(jiàn)圖1-5)。情感基礎(chǔ)理論情感基礎(chǔ)理論情感信號(hào)的采集O∠情感分析3多模態(tài)融合情感的生成與表達(dá)(見(jiàn)圖1-9)。Encoders,SAE)等在內(nèi)的方法得到普遍運(yùn)用。聲音風(fēng)格、綜合具有情感標(biāo)簽的文本內(nèi)容合成語(yǔ)(1)情感計(jì)算是實(shí)現(xiàn)自然化、擬人化、人格感智能從而有助于交互信息的深度感知和理解。17—18世紀(jì),法國(guó)哲學(xué)家勒內(nèi)·笛卡爾(3)情感計(jì)算在多領(lǐng)域具有巨大應(yīng)用價(jià)值,按照?qǐng)D2-1所示,對(duì)情感計(jì)算展開(kāi)介紹。信號(hào)文本就是人與人之間的交流因時(shí)空等限制而由于機(jī)器無(wú)法直接理解語(yǔ)言文字這種非結(jié)構(gòu)化的數(shù)據(jù),自然語(yǔ)言處理(NaturalLanguageNLU)通過(guò)語(yǔ)法分析、句法分析與語(yǔ)義分析對(duì)句由于數(shù)據(jù)的龐雜,人工分析成本高且耗時(shí)耗計(jì)算機(jī)無(wú)法識(shí)別文本,需要先將文本轉(zhuǎn)為向(2)數(shù)據(jù)集本分類領(lǐng)域的相關(guān)數(shù)據(jù)集有根據(jù)新浪新聞RSS訂閱頻道2005—2011年的歷史數(shù)據(jù)篩選過(guò)THUCNews數(shù)據(jù)集、根據(jù)新浪微博生成的weibo (3)主要方法當(dāng)人在閱讀一段文本時(shí),都是基于自己已經(jīng)神經(jīng)網(wǎng)絡(luò)最先被應(yīng)用到NLP中,保證了信息的持接上捕捉局部特征的CNN,能夠進(jìn)一步提高精確(4)問(wèn)題和挑戰(zhàn)2.1.2語(yǔ)音情感計(jì)算(1)研究背景和發(fā)展現(xiàn)狀(2)數(shù)據(jù)集(3)主要方法常用的代表性語(yǔ)音數(shù)據(jù)集常用的代表性語(yǔ)音數(shù)據(jù)集tionalSpeechCorpus)數(shù)據(jù)集和FAU-Aibo(FAU情感識(shí)別領(lǐng)域,主要包括深度玻爾茲曼機(jī)(DeepLSTM,以及引入注意力機(jī)制的LSTM。(4)問(wèn)題和挑戰(zhàn)的問(wèn)題包括缺少被廣泛認(rèn)可的數(shù)據(jù)集、標(biāo)注困難、(1)研究背景和發(fā)展現(xiàn)狀目前,視覺(jué)情感計(jì)算的研究熱點(diǎn)主要包括基(2)數(shù)據(jù)集視覺(jué)情感數(shù)據(jù)集可以分為圖片情感數(shù)據(jù)集(見(jiàn)圖2-3)和視頻情感數(shù)據(jù)集(見(jiàn)圖2-4)。解人的情緒,可以通過(guò)傳統(tǒng)機(jī)器學(xué)習(xí)方法與基于深度學(xué)習(xí)的方法對(duì)視覺(jué)情感計(jì)算進(jìn)行研究。傳統(tǒng)機(jī)器學(xué)習(xí)方法主要有方向梯度直方圖、支爆炸式增長(zhǎng)的視覺(jué)內(nèi)容數(shù)據(jù)量時(shí),傳統(tǒng)機(jī)器學(xué)習(xí)方性、泛化性問(wèn)題。成績(jī),尤其是在圖片分類、圖片識(shí)別、圖片檢索等計(jì)算機(jī)視覺(jué)領(lǐng)域。視覺(jué)情感計(jì)算的深度學(xué)習(xí)方法與傳統(tǒng)方法相比,具有更高的魯棒性與準(zhǔn)確性,因此被廣泛應(yīng)用于基于視覺(jué)的情感計(jì)算與分析領(lǐng)域。圖片情感計(jì)算方法以卷積神經(jīng)網(wǎng)絡(luò)方法為代表,主要通過(guò)深度學(xué)習(xí)從大量圖像數(shù)據(jù)中自動(dòng)學(xué)習(xí)有助于情感分類的有效特征或強(qiáng)特征,以進(jìn)一步提升圖片情感計(jì)算或分類能力。視頻情感計(jì)算方法以循環(huán)神經(jīng)網(wǎng)絡(luò)為主,該深度學(xué)習(xí)方法擅長(zhǎng)處理視頻等序列輸入,被廣泛應(yīng)用于計(jì)算機(jī)視覺(jué)任務(wù)。目前世界上最大的圖片識(shí)別數(shù)據(jù)集由佛羅里達(dá)大學(xué)的情緒和注意力國(guó)家心理健康中心開(kāi)發(fā),旨在為研究情緒和注意力提供一套標(biāo)準(zhǔn)化的圖片,主要被廣泛應(yīng)用于心理學(xué)研究圖片和中性圖片緒分類包含八種情緒標(biāo)記的3萬(wàn)張照片包含約3萬(wàn)張面部圖片,除了表情標(biāo)注以外,對(duì)每張人臉還有幾個(gè)特征點(diǎn)標(biāo)注,包括人臉邊界框、種族、年齡和性別等囊括三種類型的情緒標(biāo)簽1434080個(gè),包括兩種情人臉檢測(cè)基準(zhǔn)數(shù)據(jù)集(4)問(wèn)題和挑戰(zhàn)視覺(jué)情感計(jì)算在實(shí)際應(yīng)用中面臨不少難題。一是語(yǔ)義鴻溝。語(yǔ)義鴻溝是由于計(jì)算機(jī)獲取圖片的視覺(jué)信息與用戶對(duì)圖片理解語(yǔ)義信息的不一致而導(dǎo)致的偏差。二是情感表述的準(zhǔn)確性問(wèn)題和標(biāo)(1)研究背景和發(fā)展現(xiàn)狀(2)常用生理信號(hào)腦電信號(hào)與其他生理信號(hào)相比,具有直接客域特征。最后,將多種特征帶入分類器進(jìn)行分類。據(jù)集主要包括DEAP、DECAF、HR-EEG4EMO、皮膚電信號(hào)是一種常用的情感計(jì)算指標(biāo),依通過(guò)提取統(tǒng)計(jì)特征或算法優(yōu)化的方式進(jìn)行特征提取,最后將特征放入合適的分類器中進(jìn)行情心電特征主要包括PQRST(心電圖的5個(gè)波形)、心率、心率變異性(如SDNN、SDANN、rMSSD、pNN50等),公開(kāi)的心電信號(hào)情感數(shù)據(jù)集較少,常呼吸是人體重要的一個(gè)生理過(guò)程,隨著情感(3)問(wèn)題與挑戰(zhàn)雖然人臉表情、肢體動(dòng)作、語(yǔ)音等均能獨(dú)立融合(前期融合)、決策級(jí)融合(后期融合)和混2.2.4問(wèn)題與挑戰(zhàn)解決多模態(tài)情感計(jì)算問(wèn)題需要更豐富的模態(tài)本章以科技文獻(xiàn)為基礎(chǔ)數(shù)據(jù)進(jìn)行統(tǒng)計(jì),若文中無(wú)其他特殊說(shuō)明,統(tǒng)計(jì)口徑如表3-1所示,檢索策略如表3-2所示。此外,白皮書還使用了以下數(shù)據(jù)庫(kù)。Incite數(shù)據(jù)庫(kù)。該ClarivateAnalytics)WebofScience核心合集七大索引數(shù)據(jù)庫(kù)的數(shù)據(jù)全部文獻(xiàn)類型的出版物數(shù)據(jù)進(jìn)行出版物計(jì)數(shù)和指標(biāo)計(jì)算,從而為科研人員提供績(jī)效分析。ESI)數(shù)據(jù)庫(kù)。該數(shù)據(jù)庫(kù)是一個(gè)基于WebofScience數(shù)據(jù)庫(kù)的深度分析型研究工具。ESI可以確定在某個(gè)研究領(lǐng)域有影響力的國(guó)家、機(jī)構(gòu)、出版物、論文以及研究前沿。JCR)數(shù)據(jù)庫(kù)。該數(shù)據(jù)庫(kù)是一個(gè)多學(xué)科期刊評(píng)價(jià)工具。期刊引證報(bào)告提供基于引文數(shù)據(jù)統(tǒng)計(jì)信息的期刊評(píng)價(jià)資源。通過(guò)對(duì)參考文獻(xiàn)的標(biāo)引和統(tǒng)計(jì),期刊引證報(bào)告可以在期刊層面衡量某項(xiàng)研究的影響力,顯示引用和被引期刊之間的相互關(guān)系。數(shù)據(jù)收集時(shí)間數(shù)據(jù)收集時(shí)間2022年7月21日①WebofScience核心合集是世界領(lǐng)先的引文數(shù)據(jù)庫(kù),包括ScienceCitationIndexExpanded、SocialSciencesCitationIndex、ArsDerwentInnovationsIndexDIDerwentWorldPate發(fā)文量篇發(fā)文量篇MultidisciplinaryORRobotics自1997年皮卡德正式提出情感計(jì)算概念至今,情感計(jì)算已歷經(jīng)26年的發(fā)展,該領(lǐng)域科研人員產(chǎn)心合集數(shù)據(jù)庫(kù)為數(shù)據(jù)基礎(chǔ),對(duì)該領(lǐng)域的論文進(jìn)行檢索,結(jié)果顯示,至今全球發(fā)文量共計(jì)27434篇。其中,會(huì)議論文13836篇,會(huì)議論文和期刊論文各占總發(fā)文量的50%左右。如表3-3和圖3-1所示,1997—2009年,情感計(jì)算領(lǐng)域的全球發(fā)文量平穩(wěn)上升,雖然偶有波動(dòng),但是整體呈現(xiàn)增長(zhǎng)趨勢(shì)。2010—2019年,深文量迅速上升,情感計(jì)算研究進(jìn)入爆發(fā)式增長(zhǎng)階段。2019年,發(fā)文量達(dá)到3208篇。2019年以后,也隨之進(jìn)入平臺(tái)期,研究熱度和上升趨勢(shì)有所放出版年3.1.2主要研究陣地(國(guó)家/地區(qū)分析)地。如表3-4所示,在情感計(jì)算領(lǐng)域全球發(fā)文量文量最多的國(guó)家,占總發(fā)文量的24%和23%。中(單位:篇)1中國(guó)中國(guó)2美國(guó)印度3印度美國(guó)4英國(guó)英國(guó)5德國(guó)德國(guó)6日本意大利7意大利日本8韓國(guó)9西班牙西班牙韓國(guó)法國(guó)法國(guó)沙特阿拉伯馬來(lái)西亞巴西馬來(lái)西亞巴基斯坦巴基斯坦巴西伊朗除了2021—2022年以2年為步長(zhǎng)外,以4年如圖3-2所示,在整個(gè)發(fā)文期內(nèi),中美兩國(guó)的發(fā)文量遠(yuǎn)超中國(guó),其中1997—2000年中國(guó)發(fā)文總量為美國(guó)的20%,2001—2004年中國(guó)發(fā)文總量上升為美國(guó)的31%。從2005年開(kāi)始,中國(guó)發(fā)文量反超美國(guó),2021—2022年中國(guó)發(fā)文量約為美國(guó)的3倍。由此可見(jiàn),近年來(lái)中國(guó)在情感計(jì)算領(lǐng)域的研究積累較快,研究數(shù)量相比美國(guó)有一定的優(yōu)勢(shì)。此外,近兩年印度的發(fā)文量首超美(單位:篇,以4年為步長(zhǎng))國(guó)家1中國(guó)62美國(guó)3印度114英國(guó)65德國(guó)76日本7意大利17829西班牙193國(guó),可見(jiàn)印度逐漸成為情感計(jì)算領(lǐng)域的主要研表3-6所示,13598篇期刊論文分布在1204本期刊上,其中發(fā)文最多的是IEEEACCESS,發(fā)文量為650篇。該刊在2021年期刊引證報(bào)告電1204本期刊中有834本在2021年期刊引證報(bào)告中具有影響因子。834本期刊的影響因子分布如表3-7所示,其中影響因子大于10的期刊共計(jì)26種,影響因子最高的5本期刊分別本部分通過(guò)對(duì)情感計(jì)算領(lǐng)域論文的Webof出版物名稱123456789JournalofIntelligent&FuzzySystems(單位:種)情感計(jì)算領(lǐng)域的所有文章共涉及158個(gè)Web學(xué)、醫(yī)學(xué)等學(xué)科,其中發(fā)文量最多的前20個(gè)類別如表3-8所示。占比最多的類別為計(jì)算機(jī)科學(xué)與人工智能,發(fā)文量為10470篇,占總發(fā)文量的36.31%,其次為電氣與電子工程,發(fā)文量為8514序號(hào)發(fā)文量/篇中文名英文名1ComputerScience,ArtificialIntelligence2電氣與電子工程EngineeringElectricalEl345計(jì)算機(jī)科學(xué)與跨學(xué)科應(yīng)用6電信學(xué)78(續(xù)表)中文名英文名9自動(dòng)化控制系統(tǒng)交叉心理學(xué)PsychologyMultidisciplin交叉工程學(xué)EngineeringMultidiscip臨床神經(jīng)病學(xué)心理學(xué)聲學(xué)本部分結(jié)合了《中國(guó)計(jì)算機(jī)學(xué)會(huì)推薦國(guó)際學(xué)術(shù)會(huì)議和期刊目錄》《核心計(jì)算機(jī)科學(xué)會(huì)議排名》家意見(jiàn)形成情感計(jì)算領(lǐng)域高水平國(guó)際會(huì)議列表。需排名進(jìn)行整理和歸納,并不能作為學(xué)術(shù)評(píng)價(jià)的依的單一論文的影響力正相關(guān)。表3-9列出了情感計(jì)中文名英文名1A2A3國(guó)際計(jì)算語(yǔ)言學(xué)年會(huì)LinguisticsA4IEEE計(jì)算機(jī)視覺(jué)和模AA序號(hào)中文名英文名5IEEE計(jì)算機(jī)視覺(jué)國(guó)際A6情感計(jì)算和智能交互國(guó)際會(huì)議7IEEE自動(dòng)人臉和手勢(shì)CB8IEEE國(guó)際聲學(xué)語(yǔ)音和BB3.2.1ACM多媒體國(guó)際會(huì)議3.2.2AAAl人工智能會(huì)議研討會(huì)(Workshop),如2018年的“情感內(nèi)容分析④《中國(guó)計(jì)算機(jī)學(xué)會(huì)推薦國(guó)際學(xué)術(shù)會(huì)議和期刊目錄》分為A、B、C類。中國(guó)計(jì)算機(jī)學(xué)會(huì)(CCF)在制定目錄時(shí)規(guī)定,會(huì)議論文是指"Fullpaper"或"Regularpaper",即正式發(fā)表的長(zhǎng)文,會(huì)上以其他形式發(fā)表的論文,如Shortpaper、Demopaper、TechnicalBrief、Summary以及作為伴隨會(huì)議的研討會(huì)(Workshop)等,不計(jì)入目錄。主題1通過(guò)多媒體吸引用戶主題2主題3多媒體內(nèi)容理解主題4多媒體系統(tǒng)運(yùn)輸與交付3.2.3國(guó)際計(jì)算語(yǔ)言學(xué)年會(huì)國(guó)際計(jì)算語(yǔ)言學(xué)年會(huì)(AnnualMeetingofthe言處理領(lǐng)域最高級(jí)別的會(huì)議,由國(guó)際計(jì)算語(yǔ)言學(xué)協(xié)辦。國(guó)際計(jì)算語(yǔ)言學(xué)協(xié)會(huì)是主要的國(guó)際科學(xué)和專業(yè)協(xié)會(huì),致力于研究涉及人的語(yǔ)言計(jì)算問(wèn)題。該協(xié)會(huì)成立于1962年,最初名為機(jī)器翻譯和計(jì)算語(yǔ)ComputationalLinguist為國(guó)際計(jì)算語(yǔ)言學(xué)協(xié)會(huì)。國(guó)際計(jì)算語(yǔ)言學(xué)協(xié)會(huì)的活動(dòng)除了每年夏天舉行國(guó)際計(jì)算語(yǔ)言學(xué)年會(huì)之外,還贊助美國(guó)麻省理工學(xué)院出版社出版《計(jì)算語(yǔ)言學(xué)》(ComputationalLinguistics)期刊,該刊是該領(lǐng)域的主要出版物。國(guó)際計(jì)算語(yǔ)言學(xué)年會(huì)為《中國(guó)計(jì)算機(jī)學(xué)會(huì)推薦國(guó)際學(xué)術(shù)會(huì)議和期刊目錄》人工智能領(lǐng)域的A類會(huì)議和《核心計(jì)算機(jī)科學(xué)會(huì)議排名》的A+會(huì)議。該會(huì)議的研究主題為各種語(yǔ)言的計(jì)算模型,為特定的語(yǔ)言學(xué)或心理語(yǔ)言學(xué)現(xiàn)象提供計(jì)算解釋。3.2.4IEEE計(jì)算機(jī)視覺(jué)和模式識(shí)別會(huì)議IEEECVPR)是首屈一指的計(jì)算機(jī)視覺(jué)領(lǐng)域年度會(huì)計(jì)算機(jī)視覺(jué)基金會(huì)(ComputerVisionFoundation)共同贊助。使用者可以通過(guò)計(jì)算機(jī)視覺(jué)基金會(huì)開(kāi)放獲取會(huì)議論文。IEEECVPR是《中國(guó)計(jì)算機(jī)學(xué)會(huì)推薦國(guó)際學(xué)術(shù)會(huì)議和期刊目錄》人工智能領(lǐng)域的A類會(huì)議和《核心計(jì)算機(jī)科學(xué)會(huì)議排名》的A類(1)期刊影響因子期刊影響因子是美國(guó)科技信息研究所所長(zhǎng)尤期刊影響因子是指某刊在某年被全部源刊物期刊影響因子=某刊前2年發(fā)表論文在該年的(2)期刊引證報(bào)告期刊引證報(bào)告包括SCI收錄的12000余種期告將期刊劃分為21個(gè)大類(Groups)、254個(gè)小類中國(guó)科學(xué)院期刊引證報(bào)告期刊分區(qū)是中國(guó)科3年平均IF=(當(dāng)年IF+去年IF+前年IF)/3(前10名),如表3-10所示。感;心理問(wèn)題的數(shù)據(jù)收集方法(如情緒誘導(dǎo)和引發(fā))或技術(shù)方法(如動(dòng)作捕捉);用于提供情感語(yǔ)類,在小類計(jì)算機(jī)(人工智能、計(jì)算機(jī))、控制期刊名稱WebofScience類別1ComputerScienceCyberneti2ComputerScience,ArtificialIntelligence/Engineering,Electrical&Electronic/OperationsResearch&ManagementScience34ComputerScienceInformation5ComputerScienceSoftwareEngScienceInformationSystemsTelec67ComputerScienceArtific8ComputerScienceInterdisciplinary9OperationsResearchManagScienceInformationSys論分區(qū)為Q2區(qū),在JCR中小類計(jì)算機(jī)(人工智3.3.3《知識(shí)系統(tǒng)》智能)分區(qū)為Q2區(qū),在JCR中屬于小類計(jì)算機(jī)(人工智能)分區(qū)為Q1區(qū)。2021年,該刊的影響因子為8.139,無(wú)自引期刊影響因子為7.194,為非開(kāi)源期刊。該刊每年出版8期,2021年發(fā)文量為951篇。Management)是英國(guó)出版的英文期刊,專注于計(jì)分區(qū)表中屬于工程技術(shù)大類,在小類計(jì)算機(jī)(信息系統(tǒng))分區(qū)為Q2區(qū),在JCR中屬于小類計(jì)算機(jī)(信息系統(tǒng)、信息科學(xué)與圖書館科學(xué))分區(qū)為Q1區(qū)。2021年期刊影響因子為7.466,無(wú)自引期刊影響因子為5.910,為非開(kāi)源期刊。該刊為雙月刊,2021年發(fā)文量為340篇。核心合集中表現(xiàn)最好的研究。ESI對(duì)來(lái)自世界各地的11000多種期刊進(jìn)行分析,根據(jù)出版和引用表現(xiàn)對(duì)22個(gè)廣泛領(lǐng)域●的國(guó)家、機(jī)構(gòu)、期刊、論核心合集中的科學(xué)引文索引擴(kuò)展(SCIE)和社會(huì)的引文。ESI數(shù)據(jù)每2個(gè)月更新1次,1年更新6次。本部分采用的ESI數(shù)據(jù)發(fā)布日期為2022年7月14日,為2022年第2個(gè)雙月刊。論文覆蓋范圍為10年4個(gè)月,即2012年1月1日至2022年4月30日。是否納入ESI取決于是否滿足某些引用閾值。只有被引用次數(shù)最多的國(guó)家、機(jī)構(gòu)、論文、期刊、作者才會(huì)被納入ESI。表3-11顯示了高被引論文其他論文相比,被引用次數(shù)達(dá)到前1%的論文;熱點(diǎn)論文是指2年內(nèi)發(fā)表的與同一領(lǐng)域同年發(fā)表的所有其他論文相比,被引用次數(shù)達(dá)到前0.1%的論文,高被引論文1熱點(diǎn)論文2情感計(jì)算領(lǐng)域的ESI高被引論文和熱點(diǎn)論文如表3-12所示,本期ESI共有153篇高被引論文,其中5篇為熱點(diǎn)論文。出版年1Marchand,M;Lempitsky,V2Lee,JSYazdaniEbrahimiPunDEAP:ADatabaseforEmotionAnalysisUsingPhysiologicalSignals3CrowdsourcingAWordEmotionAs4theUnderstanding.Diagnosis,andTreatmentofSeriousConductProblemsinChildrenandAdolescents?AComprehensiveReview5Baltrusaitis,T;Ahuja,C;Morency,LP6AMultimodalDatabaseforAffecandImplicitTagging7InvestigatingCriticalFrequencyBandsandChannelsforEEG-BasedEmotionRecognitionwithDeepNeuralNetworks89Analysis:Tasks,ApproachesandApplicationsNewAvenuesinOpinionMiningandSentimentAnalysisThelwall,BuckleyPaltoglouGravina,R;Alinia,P;Ghasemzadeh,H;Fortino,GNetworksStateoftheartAnalysistoMultimodalFusionEyben,FSchererKRSchullerBWLY;Epps,J;Laukka,P;Narayanan,SS;TheGenevaMinimalisticAcousticParameterComputingAspectExtractionforOpinionMiningwithADeepConvolutionalNeuralNetwork(續(xù)表)RecognitionfromEEGTrainingSampleOrderBarrettLFAdolphsMarstoInferringEmotionfromHumanFacialRegistration,Representation,andRecognitionMoraesValiatiJFNetoWPGDocument-LevelSentimentClassification:AnEmpiricalComparisonBetweenSVMandANNClassificationUsingBilstm-CRFandCNNExpression,Valence,andArousalComputingintheWildEvidenceofPervasiveEmotionRecognitionDeepLearningforElectroencephalogram(EEG)ClassificationTasks:AReviewVideostotheEmotionalSymptomsofAutismMoreThanWords:SocialNetworks'TextMiningforConsumerBrandSentimentsMaking,SocialCognition,andPsychopathology(續(xù)表)KleinsmithBianchiBerthouzReviews:Readers'ObjectivesandReviewCuesZengNYZhangSongBYLiuWFacialExpressionRecognitionViaLearningDeepSparseAutoencodersSniffingAroundOxytocin:ReviewandMeta-AnalysesofTrialsinHealthyandClinicalCummins,N;SchererKrajewskiFeaturesofSalientFacialPatchesNassirtoussi,AK;Aghabozorgi,TehReviewMultimodalApproachesforFacialExpressionApplicationsShaalan,KMF;BuckHealeyHarveyPDStudy:ResultsoftheExpertSurveyandRANDPanelKupferberg,BicksHaslerARobustHumanActivityRecognitionSystemUsingSmartphoneSensorsandDeepLearningLatentDirichletAllocation(LDA)andTopicModeling:Models,Applications,ASurvey(續(xù)表)Vellante,MBaronCohenMelisPropertiesandAValidationStudyinItalyTheImpactofSocialandConventionalMediaonFirmEquityValue:ASentimentAnalysisApproach熱點(diǎn)論文1基于動(dòng)態(tài)圖卷積神經(jīng)網(wǎng)絡(luò)的熱點(diǎn)論文3基于生物信號(hào)的心理應(yīng)激檢向CNN-RNN深度情感分析模型(ABCDM:An評(píng)估。在5個(gè)評(píng)論和3個(gè)推特(Twitter)數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn)。將ABCDM與最近提出的用于情感分析的6種DNN進(jìn)行比較,結(jié)果表ABCDM長(zhǎng)評(píng)論和短推文極性分類方面都達(dá)到了最先進(jìn)的熱點(diǎn)論文5基于深度學(xué)習(xí)的文本分類:綜摘要:本文全面回顧了近年來(lái)開(kāi)發(fā)的150多個(gè)術(shù)貢獻(xiàn)、相似性和優(yōu)勢(shì)。本文還總結(jié)了40多個(gè)廣量分析了不同深度學(xué)習(xí)模型在流行基準(zhǔn)上的性能,此外,被引頻次大于1000的非熱點(diǎn)論文如下:論文1DEAP:使用生理信號(hào)進(jìn)行情緒分析作者:英國(guó)倫敦瑪麗女王大學(xué)SanderKoelstra的多模態(tài)數(shù)據(jù)集。實(shí)驗(yàn)記錄了32名參與者的EEG和外周生理信號(hào),每個(gè)參與者觀看40段一分鐘長(zhǎng)的音樂(lè)視頻片段。參與者根據(jù)喚醒度、價(jià)值、喜歡/不喜歡、支配度和熟悉度對(duì)每個(gè)視頻進(jìn)行了評(píng)分。32名參與者中的22名,還被記錄了正面視頻。本文介紹了使用EEG、外周生理信號(hào)和多媒體內(nèi)容分析模式對(duì)喚醒、價(jià)值和喜歡/不喜歡等級(jí)進(jìn)行論文2情感識(shí)別方法綜述:聽(tīng)覺(jué)、視覺(jué)和心理學(xué)、計(jì)算機(jī)科學(xué)、語(yǔ)言學(xué)、神經(jīng)科學(xué)和相關(guān)部表情、頭部運(yùn)動(dòng)和身體姿勢(shì)的多用戶視覺(jué)融合。的角度討論人類的情感感知。其次,本文研究解決機(jī)器理解人類情感行為問(wèn)題的可用方法。最后,討論重要問(wèn)題,如訓(xùn)練和測(cè)試數(shù)據(jù)的收集和可用性等,最后概述了推進(jìn)人類情感感知技術(shù)的一些論文3基于詞典的情感分析方法(Lexicon-作者:加拿大西蒙弗雷澤大學(xué)MaiteTaboada取方法。語(yǔ)義方向計(jì)算器(SO-CAL)使用帶有語(yǔ)義方向(極性和強(qiáng)度)注釋的單詞字典,并包含論文4基于局部二值模式的人臉表情識(shí)別:的面部特征是成功進(jìn)行人臉表情識(shí)別的關(guān)鍵步驟。一步構(gòu)造了增強(qiáng)版LBP來(lái)提取最具鑒別性的LBP特征,并通過(guò)使用具有增強(qiáng)版LBP特征的支持向驗(yàn)中,作者觀察到LBP特征可以在人臉圖像的論文5人機(jī)交互中的情感識(shí)別(Emotion(1)ACM多媒體國(guó)際會(huì)議獲獎(jiǎng)?wù)撐?BestDemo論文)(2)國(guó)際計(jì)算語(yǔ)言學(xué)年會(huì)獲獎(jiǎng)?wù)撐?最佳論文獎(jiǎng))①摘要:在(子)句子級(jí)別上運(yùn)行的情感分析系2021年,《IEEE情感計(jì)算匯刊》編委會(huì)從2017年5月至2019年12月期間發(fā)表在該刊上的論文1基于動(dòng)態(tài)圖卷積神經(jīng)網(wǎng)絡(luò)的腦電情作者:麻省理工學(xué)院媒體實(shí)驗(yàn)室SaraTaylor論文4基于腦電信號(hào)的情感識(shí)別研究綜述摘要:本文介紹了從2009—2016年進(jìn)行的取的特征、分類器),同時(shí)比較每個(gè)方面的產(chǎn)出。摘要:近年來(lái),面部動(dòng)作編碼系統(tǒng)(FACS)作者:美國(guó)得克薩斯大學(xué)達(dá)拉斯分校Reza目前,給定的記錄協(xié)議(如口語(yǔ)對(duì)話為積極、討論或辯論為消極)決定了用于收集自發(fā)數(shù)據(jù)庫(kù)的作者:英國(guó)倫敦瑪麗女王大學(xué)JuanAbdon摘要:研究人員構(gòu)建了一個(gè)關(guān)于個(gè)體和群體情感、人格特質(zhì)和心境的多模態(tài)研究數(shù)據(jù)集社交情境下使用短視頻和長(zhǎng)視頻誘發(fā)情感。這也是AMIGOS與其他數(shù)據(jù)集的不同之處。該數(shù)據(jù)集1廣東履安實(shí)業(yè)有限公司23基于神經(jīng)網(wǎng)絡(luò)的語(yǔ)音與情感的同重慶七騰科技有限公司4感識(shí)別方法中國(guó)科學(xué)院自北京中科歐科科技有限公司5一種面向人機(jī)交互的多類信息耦山東心法科技有限公司67多源輸入、信息智能優(yōu)化處理的河海大學(xué)常州校區(qū)江蘇明偉萬(wàn)盛科技有限公司8用于使用源于社交媒體的數(shù)據(jù)和及系統(tǒng)全球資源公司金融及風(fēng)險(xiǎn)組織有限公司9杭州腦殼頂科技有限公司基于Gabor變換最優(yōu)通道模糊融北京妙微科技有限公司專利許可是指專利權(quán)人將其所擁有的專利技計(jì)算領(lǐng)域的重要許可專利信息如表3-14所示。的情感計(jì)算相關(guān)專利,如表3-15所示。1限公司2一種基于憶阻神經(jīng)網(wǎng)絡(luò)的聯(lián)想中國(guó)地質(zhì)大學(xué)(武漢)限公司、武漢啟奕信息技術(shù)服務(wù)有限公司3科技有限公司蘋果研發(fā)(北京)有限公司4有限公司5一種基于3D卷積神經(jīng)網(wǎng)絡(luò)的南京郵電大學(xué)究院有限公司1234一種基于復(fù)合表情加工的注意偏向訓(xùn)練評(píng)估系統(tǒng)5一種融合情感編碼的音頻驅(qū)動(dòng)人臉動(dòng)畫生成方法6789合肥綜合性國(guó)家科學(xué)中心人工智能研究院(安徽省人工智能實(shí)驗(yàn)室)《信息技術(shù)情感計(jì)算用戶界面(AUI)》其中第一部分模型(Part1:Model)于2022年年10月11日發(fā)布,2022年5月1日生效。該標(biāo)《智能化心理服務(wù)規(guī)范》標(biāo)準(zhǔn)號(hào)為T/ZAITS⑧https:wwwisoorgstandardscataloguebrowsebyicshtml⑨目前,被國(guó)標(biāo)組織確認(rèn)并公布的其他國(guó)際組織包括國(guó)際計(jì)量局(BIPM)、國(guó)際人造纖維標(biāo)準(zhǔn)化局(BISFA)、食品法典委員4.1.1全球?qū)W者地圖(1)全球?qū)W者分布本部分以情感計(jì)算領(lǐng)域文章第一作者所屬國(guó)多(3474個(gè)),美國(guó)次之(2083個(gè)),印度位居第三(2001個(gè))。國(guó)家國(guó)家1中國(guó)2美國(guó)法國(guó)3印度4英國(guó)5德國(guó)馬來(lái)西亞6意大利巴西7日本巴基斯坦8西班牙9韓國(guó)伊朗國(guó)家國(guó)家學(xué)者數(shù)結(jié)果如表4-2所示。其中h指數(shù)最高為53,大于931(3)中外合作區(qū)如表4-4、圖4-3所示。其中,北京以105序號(hào)序號(hào)地區(qū)學(xué)者數(shù)序號(hào)地區(qū)學(xué)者數(shù)1北京四川2廣東山東3江蘇天津4臺(tái)灣遼寧567陜西1中國(guó)-美國(guó)2中國(guó)-英國(guó)394中國(guó)-5中國(guó)-新加坡6中國(guó)-加拿大7中國(guó)-芬蘭8中國(guó)-德國(guó)9中國(guó)-印度中國(guó)-法國(guó)4.2.1情感計(jì)算促進(jìn)協(xié)會(huì)情感計(jì)算促進(jìn)協(xié)會(huì)(Associationforthe學(xué)者數(shù)1日本德島大學(xué)2美國(guó)麻省理工學(xué)院345鄭文明東南大學(xué)67芬蘭奧盧大學(xué)8呂寶糧9姓名呂寶糧哈爾濱工業(yè)大學(xué)西北工業(yè)大學(xué)姜育剛復(fù)旦大學(xué)同濟(jì)大學(xué)中國(guó)科學(xué)院陳敏4.2.2中國(guó)人工智能學(xué)會(huì)情感智能專業(yè)委中國(guó)人工智能學(xué)會(huì)情感智能專業(yè)委員會(huì)(以4.3.1重要研究機(jī)構(gòu)Impact)和學(xué)科規(guī)范化的引文影響力(Category如表4-7所示,中國(guó)有2家機(jī)構(gòu)進(jìn)入前10名,中國(guó)科學(xué)院以581篇位居榜首,清華大學(xué)排名第10名,以335篇位居第五。英國(guó)、法國(guó)、印度分別有2家機(jī)構(gòu)進(jìn)入前10名,新加坡有1家機(jī)構(gòu)。序號(hào)響力論文被引百分比影響力高被引中論文的國(guó)家中文名英文名1中國(guó)科學(xué)院4中國(guó)28英國(guó)32法國(guó)4究型大學(xué)聯(lián)盟UDICE-FrenchResearchUniversities1法國(guó)5學(xué)系統(tǒng)46印度理工學(xué)院系統(tǒng)TechnologySystem(IIT5印度7印度國(guó)立技術(shù)學(xué)院系統(tǒng)TechnologySystem(NIT3印度8工大學(xué)University新加坡9TsinghuaUniversity2中國(guó)學(xué)院3英國(guó)(1)美國(guó)麻省理工學(xué)院媒體實(shí)驗(yàn)室美國(guó)麻省理工學(xué)院媒體實(shí)驗(yàn)室的情感計(jì)算研究小組(AffectiveComputingGroup)“旨在創(chuàng)造并評(píng)估將情感人工智能和其他情感技術(shù)結(jié)合起來(lái)的新方法?!扒楦杏?jì)算”定義的提出者皮卡德是該小組的創(chuàng)始人和主任。(2)新加坡南洋理工大學(xué)計(jì)算智能實(shí)驗(yàn)室IntelligenceLab,CIL)是南洋理工大學(xué)工程學(xué)院的一部分,主要進(jìn)行知識(shí)密集型人工智能研究,情感計(jì)算是該實(shí)驗(yàn)室的重點(diǎn)研究方向之一。南洋理工大(3)清華大學(xué)人機(jī)交互與媒體集成研究所清華大學(xué)人機(jī)交互與媒體集成研究所在媒體信息智能處理、人機(jī)交互、普適計(jì)算等方面開(kāi)展高水平研究,建有多個(gè)學(xué)術(shù)基地,如普適計(jì)算教育部重點(diǎn)實(shí)驗(yàn)室、清華大學(xué)-騰訊互聯(lián)網(wǎng)創(chuàng)新技術(shù)聯(lián)合實(shí)驗(yàn)室、網(wǎng)絡(luò)多媒體北京市重點(diǎn)實(shí)驗(yàn)室、清華大學(xué)計(jì)算機(jī)系-華為終端智能交互技術(shù)創(chuàng)新聯(lián)合實(shí)驗(yàn)室、清華大學(xué)(計(jì)算機(jī)系)-深蘭科技機(jī)器視覺(jué)聯(lián)合研究中心等。近年來(lái),該研究所主持多項(xiàng)本學(xué)科領(lǐng)域重要項(xiàng)目,如“十三五”重點(diǎn)研發(fā)計(jì)劃、“973”計(jì)劃、國(guó)家自然科學(xué)基金委員會(huì)(NSFC) 重點(diǎn)項(xiàng)目等,在頂級(jí)期刊和會(huì)議上發(fā)表了大量的學(xué)術(shù)論文,多篇文章獲得最佳論文獎(jiǎng),獲得國(guó)家級(jí)科技獎(jiǎng)勵(lì)10項(xiàng),在科技成果轉(zhuǎn)化方面影響重大。該所有兩個(gè)主要研究方向:①和諧人機(jī)交互,如情感計(jì)算、語(yǔ)音交互、大幅面交互、腦機(jī)接口、交互效率與優(yōu)化、新型終端自然交互接口等;②普適計(jì)算環(huán)境,如普適計(jì)算模式、主動(dòng)服務(wù)、嵌入式系統(tǒng)、情境感知、智能空間及物聯(lián)網(wǎng)等。(4)模式識(shí)別國(guó)家重點(diǎn)實(shí)驗(yàn)室供關(guān)鍵技術(shù),為探求人類智力的本質(zhì)提供科學(xué)依場(chǎng)景分析、物體檢測(cè)與識(shí)別、視頻分析與語(yǔ)義理言信息處理方向主要研究聽(tīng)覺(jué)模式的分析與理解,驗(yàn)室承擔(dān)400余項(xiàng)科研項(xiàng)目,包括國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目,科技創(chuàng)新2030-“新一代人工智能”重大項(xiàng)目,國(guó)家自然科學(xué)基金重大、重點(diǎn)和面上項(xiàng)目,(5)東南大學(xué)情感信息處理實(shí)驗(yàn)室東南大學(xué)情感信息處理實(shí)驗(yàn)室(Affective學(xué)生物科學(xué)與醫(yī)學(xué)工程學(xué)院和兒童發(fā)展與學(xué)習(xí)科學(xué)教育部重點(diǎn)實(shí)驗(yàn)室(東南大學(xué)),主要致力于情感計(jì)算、模式識(shí)別、計(jì)算機(jī)視覺(jué)和機(jī)器學(xué)習(xí)及其在兒童智能發(fā)展、教育和醫(yī)療等方面的應(yīng)用研究。該實(shí)驗(yàn)室由鄭文明教授創(chuàng)建于2004年,深耕情感計(jì)算領(lǐng)域,主持了包括“973”計(jì)劃、國(guó)家自然科學(xué)基金重點(diǎn)項(xiàng)目等在內(nèi)的多項(xiàng)國(guó)家和省部級(jí)課題,合肥工業(yè)大學(xué)情感計(jì)算研究所于2011年成立,之江實(shí)驗(yàn)室成立于2017年9月6日,主攻智其中:英國(guó)帝國(guó)理工學(xué)院比約恩·舒勒Pinkham,AmyEMao,QirongSchuller,BjoermGuan,LingRen,FujiLu,BaoLiangRuan,Qiuqi本部分對(duì)情感計(jì)算領(lǐng)域27877篇文獻(xiàn)的作者進(jìn)行直接引用(Citation)分析,為突顯重點(diǎn)作者,在分析過(guò)程中遴選了發(fā)文量不小于30篇的40位作者進(jìn)行分析,分析結(jié)果如圖4-5所示。其中,顏色相同的簇內(nèi)的作者在研究?jī)?nèi)容上具有較強(qiáng)的相關(guān)性詞頻是指在所分析的文檔中詞語(yǔ)出現(xiàn)的次數(shù)。在科學(xué)計(jì)量研究中,可以按照學(xué)科領(lǐng)域建立詞頻詞典,從而對(duì)科學(xué)家的創(chuàng)造活動(dòng)作出定量分析。詞頻分析法就是在文獻(xiàn)信息中提取能夠表達(dá)文獻(xiàn)核心內(nèi)容的關(guān)鍵詞或主題詞,通過(guò)關(guān)鍵詞或主題詞的頻次高低分布來(lái)研究該領(lǐng)域發(fā)展動(dòng)向和研究熱點(diǎn)的方法。關(guān)鍵詞共現(xiàn)分析(共詞分析)的基本原理是對(duì)一組詞兩兩統(tǒng)計(jì)它們?cè)谕唤M文獻(xiàn)中出現(xiàn)的次數(shù),通過(guò)這種共現(xiàn)次數(shù)來(lái)測(cè)度關(guān)鍵詞之間的親疏關(guān)系。(1)詞頻分析對(duì)作者關(guān)鍵詞字段進(jìn)行詞頻分析,如表4-8所示,其中技術(shù)主題詞與排名最前的技術(shù)主題詞是共現(xiàn)關(guān)系。(2)關(guān)鍵詞共現(xiàn)分析本部分基于關(guān)鍵詞共現(xiàn)的方法將所有文獻(xiàn)作為一個(gè)數(shù)據(jù)集,采用ThomsonDataAnalyzer軟件將論文的作者關(guān)鍵詞字段經(jīng)過(guò)機(jī)器與人工清洗,之后利用VOSviewer軟件對(duì)論文核心主題詞代表此主題中出現(xiàn)的高頻主題詞數(shù)據(jù)進(jìn)行聚類,根據(jù)論文數(shù)據(jù)集大小設(shè)置一定共現(xiàn)頻次和共現(xiàn)強(qiáng)度以對(duì)關(guān)鍵詞進(jìn)行聚類。結(jié)合專家判讀,分別對(duì)每個(gè)聚類進(jìn)行命名和解讀,對(duì)期刊發(fā)文主題進(jìn)行識(shí)別和分析。對(duì)27877篇文獻(xiàn)以作者關(guān)鍵詞字段進(jìn)行分析,經(jīng)過(guò)機(jī)器與人工清洗后,從36436個(gè)關(guān)鍵詞中選取出現(xiàn)頻次大于20次的613個(gè)關(guān)鍵詞作為分析對(duì)象,進(jìn)行聚類計(jì)算。通過(guò)對(duì)這些論文共現(xiàn)強(qiáng)度最大的核心主題詞進(jìn)行聚類,得到5個(gè)簇,如表4-9和圖4-6所示。排名最前的技術(shù)主題詞[共現(xiàn)次數(shù)1234NaturalLanguageProcessing[214];567NaturalLanguageProcessing[143];8DeepLearning[143]9FacialExpressionRecog(續(xù)表)排名最前的技術(shù)主題詞[共現(xiàn)次數(shù)]9SentimentAnalysis[77]1利用NLP技術(shù)進(jìn)行情感計(jì)算和意見(jiàn)挖掘2345分析人機(jī)交互過(guò)程中的情感人機(jī)交互過(guò)程中的情感facialspeechibenbenschizophreniesocialcognitionnaturalanguageprocessing

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論