情感数据库大全

公开多模态数据集MIT-BIHAubtMulti-ZOLSAVEEeNTERFACE05文本情感数据集Stanford Twitter Sentiment（STS）Amazon（购物评价）IMDB（影评文本，二分类）Sentiment140Twitter15 Twitter17图像情感数据集IAPSArtPhotoFlickrLDL TwitterLDLGAPEDEmotion6（EmotionROI）IESN视频情感数据集LIRIS-ACCEDE（Audio-visual ）DEAPHUMAINE（Audio+visual + gesture ）EMDBMAHNOB-HCIMMI（visual）总结语音情感数据集IEMOCAPBelfast（Audio-visual）EMODBIADSSEMAINE（Audio-visual ）VAM（Audio-visual ）公开多模态数据集Zhao, Sicheng, et al. “Emotion Recognition from Multiple Modalities: Fundamentals and Methodologies.” arXiv preprint arXiv:2108.10152 .最新多模态情感识别综述，里面有数据集和链接地址哦，更多详细信息请移步我的另一篇文章：多模态情感识别数据集和模型MIT-BIH简介：MIT-BIH 是由美国麻省理工学院提供的研究心律失常的数据库。国际上公认的可作为标准的心电数据库有三个，分别是美国麻省理工学院提供的MIT-BIH 数据库，美国心脏学会的AHA数据库以及欧洲ST-T心电数据库。

其中MIT-BIH 数据库近年来应用比较广泛，数据内容为EMG、ECG等。

MIT-BIH实战。下载地址：图解MIT-BIH数据库心电数据下载和Matlab读取程序_LZDCQU的博客-CSDN博客Aubt简介：为了收集不同情感状态下的生理信号，我们使用了一种音乐感应的方法来激发受试者自然的情感反应，4种有针对性的情感类别：喜悦、愤怒、悲伤和快乐。四通道生物传感器用于获取肌电图EMG、心电图ECG、皮肤电导率SC和呼吸变化RSP，每种情绪有25个记录。

相关论文（被引次数581）：J. Wagner, J. Kim, and E. André, ‘‘From physiological signals to emotions: Implementing and comparing selected methods for feature extraction and classification,’’ in Proc. Int. Conf. Multimedia Expo, Jul. 2005, pp. 940–943.下载地址：没有提供Multi-ZOL简介：Multi-ZOL数据集收集整理了IT信息和商业门户网站

http://

ZOL.com

上的关于手机的评论。

原始数据有12587条评论，覆盖114个品牌和1318种手机。其中的5288多模态评论，构成了Multi-ZOL数据集。在这个数据集中，每条多模态数据包含一个文本内容、一个图像集，以及至少一个但不超过六个评价方面。

这六个方面分别是性价比、性能配置、电池寿命、外观与感觉、拍摄效果、屏幕。总共得到28469个方面。

对于每个方面，都有一个从1到10的情感得分。

SAVEE简介：SAVEE数据库记录了来自萨里大学的四位母语为英语的男性、研究生和研究人员的数据，年龄从27岁到31岁。情绪分类为离散的6类别：愤怒、厌恶、恐惧、快乐、悲伤和惊讶。下载地址：Surrey Audio-Visual Expressed Emotion DatabaseeNTERFACE05简介：一种视听情感数据库，可作为测试和评估视频、音频或联合视听情感识别算法的参考数据库。

首先，受试者被要求仔细地听一个短篇故事，并将自己“沉浸”在这个场景中。一旦他准备好了，被试可以阅读、记忆和发音提出的五种话语，这构成了对给定情况的五种不同反应。受试者被要求尽可能多地表达自己的情感，写出一个只包含情感的信息。如果结果令人满意，就可以继续处理下一个情绪。

相关论文（引用次数417）：O. Martin, I. Kotsia, B. Macq and I. Pitas, “The eNTERFACE’ 05 Audio-Visual Emotion Database,” 22nd International Conference on Data Engineering Workshops , Atlanta, GA, USA, 2006, pp. 8-8, doi: 10.1109/ICDEW.2006.145.下载地址：

http://www.

enterface.net/results/

（The database is available via the link “Project #2 database”）文本情感数据集Stanford Twitter Sentiment（STS）简介：最普遍使用的情绪分析在电子商务活动。网站允许用户提交他们的购物体验和产品质量。他们通过划分等级或分数来提供产品和产品不同特性的摘要。客户可以很容易地查看整个产品的意见和推荐信息，以及具体的产品特点。

以图形的形式向用户展示整个产品及其特点。像

http://

amazon.com

这样的商业网站提供编辑的评论，也提供客户的评级信息。http://tripadvisor/inis是一个很受欢迎的网站，提供关于酒店和旅游目的地的评论。它们包含全球7500万条意见和评论。

情感分析可以帮助这些网站通过分析大量的意见，将不满意的顾客转化为促销者。下载地址：

https://

pan.baidu.com/s/157Pj7g

627Vd6gDNsSPU_Xw

提取码：bgDeAmazon（购物评价）简介：以来自亚马逊的精美食品的评论为例，这些数据的使用期限超过10年，包括1999年10月至2012年10月约500,000条评论。还有其他类别的数据，按需自取。

下载地址：

http://

snap.stanford.edu/data/

amazon/productGraph/categoryFiles/

IMDB（影评文本，二分类）简介：拥有50K电影评论的IMDB数据集，用于自然语言处理或文本分析。这是一个二分类情绪数据集，包含比以前基准数据集更多的数据。我们提供了一套两万五千高度极坐标的电影评论用于培训和两万五千用于测试。

下载地址：

https://

datasets.imdbws.com/

Sentiment140简介：该数据集包含了1,600,000条从推特爬取的推文，可用于情感分析相关的训练。推文标注（polarity）： 0 = 负面，2 = 中立，4 = 正面 。相关论文（被引次数2960）：Go A, Bhayani R, Huang L. Twitter sentiment classification using distant supervision[J]. CS224N project report, Stanford, 2009, 1: 2009.下载地址：For Academics - Sentiment140 - A Twitter Sentiment Analysis ToolTwitter15 Twitter17简介：Twitter-15和Twitter-17是包含文本和文本对应图片的多模态数据集，数据集标注了目标实体及对其图文中表达的情感倾向。整个的数据规模是Twitter-15条带图片推文，Twitter-17（3562/1176/1234）条带图片推文，情感标注为三分类。

图像情感数据集IAPS简介：国际情感图片系统是一个图片数据库，旨在为研究情绪和注意力提供一套标准化的图片，已被广泛应用于心理学研究。IAPS是由佛罗里达大学的情绪和注意力国家心理健康中心开发的。2005年，IAPS共收录了956张彩色照片，范围从日常物品和场景到极其罕见或令人兴奋的场景。

相关论文（被引次数3405）：Lang P J. International affective picture system : Affective ratings of pictures and instruction manual[J]. Technical report, 2005.下载地址：ArtPhoto简介：使用了三个数据集:国际情感图像系统；一组来自照片分享网站的艺术照片；和一组同龄人评分的抽象画，以调查特征和评分对无上下文内容的图片的影响。离散情感八分类：Amusement、Anger、Awe、Contentment、Disgust、Excitement、Fear、Sadness。相关论文（被引次数610）：Machajdik, J., and Hanbury, A. 2010. Affective image classification using features inspired by psychology and art theory. In ACM MM, 83–92. ACM.下载地址：Image Emotion - download image data-setFlickrLDL TwitterLDL简介：我们用八种情绪重新标记Flickr数据集的一个子集，并将其命名为Flickr LDL。然后,我们从推特上下载了3万张照片，贴上标签同样的八个情感空间。

我们提供一个额外的选择在没有明显情绪的情况下，给一幅图像贴上中性标签。相关论文（被引次数42）：Yang J, Sun M, Sun X. Learning visual sentiment distributions via augmented conditional probability neural network[C]//AAAI. 2017: 224-230.下载地址：

http://

cv.nankai.edu.cn/projec

ts/SentiLDL

GAPED简介：提出了一个新的数据库，包括730张图片。选出了四个具体的负面内容：蜘蛛、蛇，以及引发与违反道德和法律规范有关的情绪的场景。

正面图片和中性图片也包括在内：正面图片主要代表人类和动物宝宝以及自然风景，而中性图片主要描绘无生命的物体。相关论文（被引次数475）：Dan-Glauser E S, Scherer K R. The Geneva affective picture database : a new 730-picture database focusing on valence and。