PRIORI Emotion Dataset

PRIORI Emotion Dataset是由密歇根大学创建的一个自然语音数据集，专注于通过智能手机记录的日常对话中的情绪表达。该数据集包含来自12名双相情感障碍患者的11337次通话（总计928小时），用于研究情绪与情绪状态之间的关联。数据集的创建过程涉及从完整的PRIORI数据集中筛选并手动标注情绪维度（激活和价态）。该数据集的应用领域主要集中在通过情绪分析来监测和预测双相情感障碍患者的情绪状态，旨在通过自动化的方式提高临床监测的效率和成本效益。

The PRIORI Emotion Dataset is a natural speech dataset developed by the University of Michigan, focusing on emotional expressions in daily conversations recorded via smartphones. The dataset comprises 11,337 calls (totaling 928 hours) from 12 patients with bipolar disorder, intended for research on the association between emotions and mood states. The creation of this dataset involved screening from the complete PRIORI dataset and manual annotation of two emotional dimensions: activation and valence. Its main application areas center on monitoring and predicting the emotional states of bipolar disorder patients through emotion analysis, aiming to improve the efficiency and cost-effectiveness of clinical monitoring via automated methods.

搜集汇总

数据集介绍

构建方式

PRIORI Emotion Dataset源自一项针对双相情感障碍患者的纵向自然语音采集项目，旨在填补真实世界电话对话情感标注数据的空白。研究者从PRIORI语料库中精选12名双相障碍患者的智能手机单侧通话录音，覆盖928小时、11,337通电话。数据历经四阶段精细处理：首先通过语音活动检测算法将长录音切分为连续语音片段，并筛选长度在3至30秒之间的片段；随后依据与临床评估时间的邻近性加权采样，优先选取评估日及前后三天的对话；继而人工剔除噪音主导、内容过短或情绪波动剧烈的劣质片段；最终由11名母语为英语的标注员采用9点Likert量表对13,611个片段（约25小时）的激活度与效价进行独立标注，每片段平均获得3.83个标签。

特点

该数据集的核心独特性在于其生态效度与临床关联性的深度融合。所有语音均源自患者日常手机通话的自然情境，而非实验室诱导，真实反映了情感表达的本真面貌。标注体系基于核心情感理论，采用激活度与效价两个连续维度，捕捉了从平静到兴奋、从消极到积极的情感光谱。尤为重要的是，数据集与每周临床评估（汉密尔顿抑郁量表和杨氏躁狂量表）严格对齐，使得每一段情感标注均可追溯至对应的情绪状态（正常、抑郁或躁狂）。此外，标注过程强调了个体特异性，要求标注员先熟悉每位受试者的基线表达再行评分，从而有效控制了人际差异对情感判断的干扰。

使用方法

研究者推荐采用卷积神经网络结合对数梅尔频谱特征进行情感预测，该架构在激活度预测上取得了0.712的皮尔逊相关系数。使用时需注意两个关键预处理步骤：其一，对预测出的情感分数进行受试者特异性标准化，即以该个体正常状态下的情感均值和标准差为基准进行z-score归一化，以消除个体表达偏差；其二，将标准化后的情感特征作为中介变量，与临床情绪量表分数进行相关性分析。实验表明，躁狂期的激活度与效价均值显著高于抑郁期，且两者均与YMRS呈正相关、与HamD呈负相关，验证了情感作为情绪状态监测中间特征的有效性。数据集尚在持续扩充中，未来将向社区开放以推动情感计算领域发展。

背景与挑战

背景概述

双相情感障碍作为一种严重的精神疾病，其核心特征在于情绪调节的病理化波动，这为临床监测带来了巨大挑战。传统的情绪状态评估依赖昂贵的专业资源，难以实现高频次、低成本的持续追踪。在此背景下，密歇根大学的研究团队于2018年构建了PRIORI Emotion Dataset，旨在通过自然语音信号捕捉情绪变化，进而辅助双相障碍患者的情绪状态监测。该数据集从51名双相障碍患者的日常智能手机通话中采集，经过严格筛选与标注，最终包含超过25小时的语音片段，并采用激活度与效价两个维度进行情感标注。这一开创性工作填补了自然场景下情感语音数据集的空白，为情感计算与精神健康领域的交叉研究提供了宝贵的资源基础。

当前挑战

该数据集面临的核心挑战在于从自然通话语音中准确识别情绪状态。首先，语音信号本身受到环境噪声、说话风格、语速等多重因素调制，导致情绪特征提取极为困难，尤其是效价（正负情感）的预测精度远低于激活度（平静与兴奋），相关系数仅0.405。其次，构建过程中需处理大量技术难题，包括长录音的切分、低质量片段的筛选、以及跨个体情绪表达差异的标注一致性。此外，数据集依赖于受试者的自我报告与临床评估，但自我报告常存在不完整或误导性，而临床评估的周期性与日常情绪波动难以完全匹配。这些挑战共同制约了情绪作为中介特征改善情绪状态预测的有效性。

常用场景

经典使用场景

在情感计算与精神健康交叉领域，PRIORI Emotion Dataset 作为首个从双相障碍患者日常智能手机通话中采集的自然情感语音数据集，其核心应用场景在于构建和验证从非结构化语音中识别激活度（activation）与效价（valence）的深度学习模型。研究者利用该数据集训练卷积神经网络（Conv-Pool），在激活度预测上达到0.712的皮尔逊相关系数，为野外环境下情感识别提供了坚实基线。该数据集独特的纵向设计——涵盖数月至一年的自然通话录音，并配有每周临床心境评估——使其成为探索语音情感动态与心境状态（抑郁、躁狂、平稳）之间关联的理想平台，尤其适用于验证情感作为中介特征改善心境监测的假设。

实际应用

在实际应用中，PRIORI Emotion Dataset 直接服务于面向双相障碍患者的被动式心境监测系统开发。基于该数据集训练的模型可部署于智能手机，通过分析日常通话中的语音片段，持续估计用户的激活度与效价，进而推断其心境状态（抑郁、躁狂或平稳）。这种无需用户主动交互的监测方式显著降低了临床随访成本，提高了监测频率，使医生能够更及时地捕捉到心境转变的早期迹象。此外，该数据集强调的个体特异性——即每位患者的情感表达基线不同——推动了个性化模型的设计，使得系统能针对不同患者调整判断标准，提升了远程精神健康管理的精准度与临床实用性。

衍生相关工作

PRIORI Emotion Dataset 的发布催生了一系列围绕自然语音情感识别与心境预测的后续研究。其提出的Conv-Pool网络架构因在激活度和效价预测上的优异表现，被后续工作广泛采用并改进，例如引入注意力机制或迁移学习以增强模型对个体差异的适应性。数据集揭示的情感与心境之间的显著相关性，激励了研究者探索将情感特征作为元特征（meta-feature）融入多模态心境预测框架，如结合通话频率、时长等行为特征。此外，该工作强调的个体基线归一化方法成为后续个性化情感建模的标配步骤，推动了从群体级模型向用户级自适应模型的范式转变，并在音频特征选择（如eGeMAPS与log-MFB的对比）与深度学习训练策略等方面提供了重要参照。