SST-EmotionNet: SST-EmotionNet系统

简介：
SST-EmotionNet是一个先进的情感分析系统，专注于从社交媒体文本中识别和分类情绪。该系统利用深度学习技术，提高对复杂人类情感的理解和处理能力。 SST-EmotionNet是一个用于脑电图情感识别的基于时空光谱的注意力3D密集网络模型。该模型由空间光谱流和时空流组成，每个流包含几个基于注意力机制的3D密集块（A3DB）以及过渡层。 我们在SEED及SEED-IV数据集上对SST-EmotionNet进行了评估。这些数据集中包含了对象在观看特定影片剪辑时产生的脑电信号记录。所选影片剪辑旨在引发积极、消极和中性情绪等不同情感体验。相较于原始的SEED数据集，SEED-IV将情感类别数量调整为四种：快乐、悲伤、恐惧及中立。 为了进行实验，在这些数据集中使用了从脑电图信号提取出的微分熵（DE）特征，并且需要在Python 3.7.7环境中安装CUDA 10.1和CuDNN 7.6.5，同时还要确保numpy版本为1.16.2以及scipy版本为1.x。