中新网西安8月25日电 (记者 阿琳娜)观看一段短视频时，我们的情绪并非一成不变。在常规叙事铺垫后，特定的视觉冲击、关键性台词或情节反转等，往往会让观众像被“击中”一样，真切地感受到快乐、恐惧、悲伤或是震惊。

在传统视频诱发情绪研究中，一段视频通常只有一个整体标签，只要它被定义为“快乐视频”，观看过程中采集到的脑电和生理信号往往都会被统一标记为“快乐”。那么，尚未产生情绪的片段怎么办？中性或过渡时刻，也应该算作“快乐”吗？

这种整段视频统一赋予单一标签的方式会将大量中性和过渡片段误当作目标情绪样本，从而产生明显的时序标签噪声，这种噪声使得标注信号与真实情绪状态之间出现错位，引起后续模型的训练和评估产生偏差，削弱了数据在真实场景下的可用性。

针对这一问题，西北工业大学人工智能学院谢松云教授团队提出了一种基于即时回忆与情绪峰值定位的精细标注方法，并构建了峰值中心多模态情绪数据集FIRMED。简单来说，团队不再笼统地告诉算法：“这一整段视频都是某种情绪。”而是更加准确地表明：“真正明显的情绪反应，发生在这个关键时刻。”

情绪识别是智能人机交互、心理健康评估和健康监测的重要基础。团队受认知心理学“峰终定律”启发，提出了即时回放的细粒度情绪标注范式。参与者在观看实验视频后立即回放，并根据刚刚产生的真实感受定位一个或多个明显的情绪时刻，同时报告情绪类别和情绪强度，这种设计既避免了观看过程中频繁操作对自然情绪体验和生理信号采集的干扰，也减少了延迟回忆带来的记忆偏差。

研究人员随后以参与者标记的时刻为中心，向前、向后各提取2秒，形成一个4秒的“情绪事件窗口”。3秒、4秒和5秒脑地形图对比表明，4秒窗口能够更完整、稳定地保留情绪相关脑电特征，窗口扩大至5秒后，“惊讶”和“厌恶”的局部特征不再显著，“恐惧”相关α抑制和快乐相关γ增强也明显减弱，说明过长窗口会混入无关信息、稀释情绪信号。

因此，“关键4秒”并非简单的经验设定，而是在情绪响应完整性与时间定位精度之间取得平衡的有效尺度，有助于从连续生理信号中分离出真正与情绪事件相关的信息。两名实验人员对随机抽取的150次实验记录进行独立复核，情绪类别标注一致性达到Cohen’s κ=0.96，97.7%的时间标记误差控制在1秒以内，同时，标记时刻附近出现了显著的脑电和皮肤电变化。

这种“主观即时回忆标注+客观生理验证”的交叉验证设计，体现了FIRMED在情绪标注精度和多模态验证方面的前沿性与独创性。

为了验证精细标注是否能够真正帮助情绪识别模型，团队选取了8种具有代表性的算法进行实验，涵盖传统机器学习、循环神经网络、图神经网络等不同方法。结果显示，采用峰值中心标注后，8种模型的识别性能均得到提升，平均准确率由34.7%提高至38.5%，平均提升3.8个百分点。

其中，时空信息建模能力较强的深度模型获得了更加明显的提升。结果表明，更精确的事件中心监督能够减少中性和过渡片段带来的标签干扰，帮助模型更加充分地学习情绪相关的神经与生理特征。这意味着，基于峰值中心标注的模型能够更敏锐地捕捉情绪被真正“击中”的瞬间，而不是被大量中性信号所淹没。它可以让人机交互系统在情绪最强烈的时刻给予恰如其分的回应，避免无谓打扰，也能在心理健康评估中自动提取有临床意义的情感片段，提高筛查的敏感性和可解释性，并为可穿戴设备的实时情绪预警提供更可靠的数据基础。

FIRMED推动情绪识别从整段分类走向关键事件定位和动态过程分析，可进一步研究情绪在何时被触发、强度如何变化以及脑电、心电、皮肤电和面部表情之间如何关联。未来，该成果可服务于心理健康评估、智能陪伴、健康监测、个性化推荐和情感交互等场景，让人工智能不仅知道“是什么情绪”，还能够理解“情绪何时发生、发生得有多强”，从而在真正“懂情绪”的基础上，让AI更能拿捏回应的时机与分寸，让智能交互更有温度。(完)