傅小兰，女，1984年和1987年毕业于北京大学，获理学学士和硕士学位；1990年毕业于中国科学院心理研究所，获理学博士学位。现任中国科学院心理研究所所长、研究员、博士生导师，中国科学院大学心理学系主任、岗位教授；中国心理学会原理事长、原秘书长；国务院学位委员会第七届和第八届学科评议组心理学组成员等。从事认知心理学及相关应用领域的研究。承担和参与科技项目30余项，发表国内外期刊论文380余篇，主持或参与制定国家标准9项，获专利授权11项，主编《心·坐标：当代心理学大家》、《情绪心理学》和《说谎心理学》等著作。研究工作于2013年和2017年分别获得北京市科学技术奖二等奖，2018年获得吴文俊人工智能自然科学奖一等奖。获“全国三八红旗手”、“全国妇女创先争优先进个人”和“全国教科文卫系统先进女职工工作者”等荣誉称号，当选中共十八大代表、十九大代表 人非草木，孰能无情。情感计算研究通过赋予计算机识别、理解、表达和适应人的情感的能力来建立和谐人机环境，使计算机具有更高更全面的智能，更好地服务于人类。情感计算领域的发展在很大程度上依赖于心理学对人的情感研究取得新进展。通过计算科学与心理科学的结合，研究人与人交互、人与计算机交互过程中的情感特点，不断深化对人的情感状态和机制的理解，进而提高计算机感知和理解人的情感和意图并作出适当反应的能力。

Bing Liu is a distinguished professor at the University of Illinois at Chicago. He received his Ph.D. in Artificial Intelligence from the University of Edinburgh. His current research interests include lifelong/continual learning, sentiment analysis, dialogue systems, natural language processing, and machine learning. He has published extensively in top conferences and journals and also authored four books: two on sentiment analysis, one on lifelong machine learning, and one on Web mining. Several of his papers have received Test-of-Time awards. Some of his works have also been widely reported in the popular press internationally. He is the winner of 2018 ACM SIGKDD Innovation Award, and is a Fellow of ACM, AAAI and IEEE. Sentiment and emotion analysis is the computational study of people’s opinions, attitudes, emotions, moods and feelings. It has been an active research area in natural language processing for about 20 years. The research is also widespread in many social science areas due to the fact that opinions, sentiments and emotions are of critical importance to them. The related topic of affective computing has also flourished for a long time. As sentiments and emotions are deeply rooted in humans, with the rapid advance of AI and more and more interactions between AI systems and humans, it is ever more important that we understand and handle sentiments and emotions well and also endow AI systems with the sense of sentiments and emotions in order to work effectively and amicably with humans. In this talk, I would like to look back and look forward to reflect on what we have done and where we go from here.

中科院自动化所模式识别国家重点实验室副主任、研究员，中欧信息自动化应用数学联合实验室主任，中科院脑科学与智能技术卓越创新中心核心骨干，国家杰出青年科学基金获得者，国家万人计划领军人才。担任中国计算机学会会士和常务理事，中国人工智能学会理事，中国中文信息学会理事兼语音信息专委副主任，中国图象图形学会理事兼人机交互专委主任，中国声学学会理事， Speech Communication、Journal on Multimodal User Interfaces、计算机研究与发展、声学学报、信号处理等期刊编委。主要研究方向为语音处理、人机交互、情感计算、模式识别等，在主要国际期刊或会议上发表论文300余篇。承担国家重点研发计划、863重点、国家自然科学基金重点、国家发改委等项目30余项。 报告重点针对音视频信号中情感计算所面临的情感状态描述、多模态时序信号处理、多语言与多风格等一系列问题进行分析与讨论，并对国内外在此领域的主要研究思路进行归纳和总结。

黄民烈博士，清华大学计算机科学与技术系长聘副教授，中文信息学会自然语言生成与智能写作专委会副主任，CCF学术工委主任助理。IEEE、CCF高级会员。研究领域为自然语言处理，特别是自然语言生成、对话系统、阅读理解等。先后获得中国人工智能学会吴文俊人工智能科技进步奖一等奖（排名第一），中文信息学会汉王青年创新奖，阿里巴巴创新合作研究奖，获得国家自然科学基金重点项目资助。多次获得国际主流会议的最佳论文或提名（IJCAI、ACL、SIGDIAL等）。研发对话系统平台ConvLab和ConvLab2，多次组织国内外有影响力的对话系统评测与竞赛（DSTC8，DSTC9），获得NTCIR 2017年组织的短文本对话生成评测冠军。担任顶级期刊TNNLS（SCI一区，影响因子>11）编委，顶级期刊TACL的执行编辑，顶级会议ACL 2021 Diversity&Inclusion联合主席，ACL 2021资深领域主席（SAC），EMNLP 2021研讨会联合主席，多次担任ACL/EMNLP的领域主席。 情绪智能是指“监控自己和他人情绪，区分并合适地标记不同情绪，进而用情绪信息指导思考和行为的能力”。情绪智能是人类关键的智能行为之一，那么今天的对话是否具有情绪智能？对话系统能否完成类似情绪疏导、情感抚慰之类的复杂任务？讲者将围绕对话系统如何表达情绪(而不是冷冰冰的机器)，表达共情，甚至进行情绪疏导之类的高级任务，并进而探索，对话系统进行心理咨询的可能性。

金琴，中国人民大学教授，主要研究领域为多媒体智能计算、人机交互。主持多项国家自然科学基金、北京市自然科学基金、国家重点研发计划等项目或课题，在多媒体情感计算、视觉描述生成、跨模态交互等研究与应用中取得了突出成果，获得多项国际权威竞赛冠军，包括：蝉联2017-2019年ACM Multimedia Audio-Visual Emotion Challenge (AVEC) 情感计算国际竞赛冠军、2018-2020年CVPR ActivityNet Dense Video Captioning冠军、2017-2020年TRECVID视频描述(VTT)冠军，以及2019年之江杯全球人工智能大赛视频内容描述生成冠军等。 理解人的情感是建立具备情感交互能力的自然人机交互的基础和重要步骤。 在智能人机交互的研究中，拥有对情感的识别、分析、理解、表达的能力也应成为智能机器必不可少的一种功能。而人类情感表达的行为信号是多模态的，例如包括声音、表情、肢体动作等，此外，交互情境是情感的激发和表达的自然场景，因此我们的研究工作侧重交互情境下，融合多模态信息进行情感感知和识别。本次报告将介绍我们在交互情境下多模态情感识别的近期工作。

朱廷劭，男，研究员，博士生导师，分别于1999年中国科学院计算技术研究所和2005年加拿大Alberta大学获博士学位。研究团队主要开展心理与行为科学大数据的交叉研究，实现了对用户心理特征的及时有效的识别，为心理学研究提供了新的思路。先后主持承担国家自然科学基金委面上项目、科技部973和863、中科院A类先导专项等多项研究课题，发表论文100余篇。 现代技术的发展能够将普通人的日常行为记录到电子环境中，形成了行为大数据，为面向个体的情感计算和心理识别提供了前所未有的机遇。我们采用生态化行为数据，使用机器学习计算模型，对用户的心理特征进行自动识别，从而实现无侵扰测量，提高生态效度。运用机器学习方法构建基于行为大数据的情感计算建模，可以实现对个体心理特征的识别，为个性化的心理服务提供基础，拓展了心理学研究的范畴，具有很好的应用潜力。

夏睿，南京理工大学计算机学院教授、博导。研究领域为自然语言处理、文本挖掘、情感计算。在人工智能、自然语言处理、数据挖掘领域的国内外重要期刊和会议发表论文50余篇、出版学术专著2部，曾获国际计算语言学协会年会ACL2019杰出论文奖、中国中文信息学会青年创新奖一等奖等荣誉。 属性级情感分析是情感分析与观点挖掘领域的一个重要研究问题，其目标是从文本中挖掘评价对象，并分析针对该评价对象的情感。传统的属性级情感分析包括属性抽取和属性情感分类两个子任务。近年来，属性级情感分析研究在多个方面有所拓展，成为情感分析与观点挖掘领域的研究热点。报告将从 1)属性与观点多元组抽取及隐式属性/观点问题；2) 跨领域属性级情感分析；3) 多模态属性级情感分析 这三个方面，介绍属性级情感分析研究的最近进展，并对未来工作进行展望。

南开大学计算机学院教授、博士生导师，入选天津杰青、南开百青。研究方向是计算机视觉、机器学习、多媒体计算，发表PAMI/CVPR等高水平学术论文50余篇。任中国计算机学会计算机视觉专委会副秘书长，中国计算机视觉大会(CCCV 2017)组织主席。研究成果获第十届吴文俊人工智能自然科学二等奖。 视觉是人类感知、表达和传递情感的重要途径。与经典的人脸表情识别任务不同，广义图像情感计算涉及的对象更复杂，面临的挑战也更多。以课题组在图像情感方面的研究工作为基础，我们对视觉+语言、视觉+声音等复合场景进行了初步探索，构建了几个有趣的应用，部分地解决了开放环境跨模态情感计算的难题。

清华大学深圳国际研究生院副研究员，博士生导师。清华大学-香港中文大学媒体科学、技术与系统联合研究中心副主任。研究工作围绕面向人工智能的智能言语交互技术展开，发表学术期刊及会议论文100余篇。中国计算机学会(CCF)语音对话与听觉专业委员会委员，全国人机语音通讯学术会议(NCMMSC)常设机构委员，参与科研项目获得2009及2016年度教育部科学技术进步奖二等奖 随着人工智能技术的发展以及语音交互产品的广泛应用，智能语音交互在人们日常生活中获得广泛应用，人们对和谐语音交互的期望也在不断提高。语音信号中不仅包含了语言语义信息，同时也传达了说话人、风格、情感、重音、语气等多种丰富的副语言信息。这些副语言信息承载了语音的言外之意，是语音表现力的重要方面，在传递信息时扮演着非常重要的作用，是和谐语音交互不可或缺的因素。如何对语音中的副语言信息进行有效分析和建模，是构建和谐智能语音交互技术、提升用户满意度的关键，也是语音及自然语言处理领域的重要研究热点。