An Enhanced Valence-Arousal Multimodal Emotion Dataset for Emotion Recognition
未评分
来源：
Nature
关键字：
EEG
发布时间：
2025-12-16 03:31
摘要：
该研究介绍了一种新型的多模态情感识别数据集，结合EEG、ECG和脉搏间隔数据，旨在提高情感维度建模的精确性，并系统考虑个体差异。研究在中国进行，参与者为64名大学生，采用多种情感诱导方法，为情感识别技术的发展提供了重要的资源。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
0.0分+不属于医疗健康、生命科学领域
business_impact
0.0分+无商业影响
scientific_rigor
1.0分+有研究论文、专家观点等软性证据
timeliness_innovation
0.5分+常规进展、渐进式改进
investment_perspective
0.0分+不属于早期阶段
market_value_relevance
0.0分+非治疗相关或极小众应用
team_institution_background
0.0分+背景不明
technical_barrier_competition
0.0分+无技术壁垒、红海市场
拒绝原因
标题包含直播/预告/通知等关键词，属于非商业情报，不符合商业情报要求
真实性检查
否
AI评分总结
该研究介绍了一种新型的多模态情感识别数据集，结合EEG、ECG和脉搏间隔数据，旨在提高情感维度建模的精确性，并系统考虑个体差异。研究在中国进行，参与者为64名大学生，采用多种情感诱导方法，为情感识别技术的发展提供了重要的资源。