据2021年11月18日发表在Nature子刊Humanities and Social Sciences Communications的论文信息，中国人工智能学会名誉副理事长，日本工程院院士，中国科协海智专家，德岛大学教授任福继(Fuji Ren)，在情感计算领域（2016-2020）排名全球前三位。美国和中国已经成为两个主导情感计算研究的国家，并且在最近的2016-2020年间来自中国的论文总数已超过美国。论文还指出，在20年间只有两位中国作者Fuji Ren和Liu L入选论文发表数量前十位。
任福继
CAAI名誉副理事长
日本工程院院士
中国科协海智专家
德岛大学教授
论文“Affective computing scholarship and the rise of China: a view from 25 years of bibliometric data ”于2021年11月18日发表在Nature子刊Humanities and Social Sciences Communications第8卷。论文通过文献计量分析，确定了过去25年中在情感识别AI领域中主要的研究贡献者和两个主要的国际协作网络：由美国，中国，新加坡，日本组成的美国/亚太地区网络和由德国，英国和荷兰组成的欧洲协作网络。论文指出2016-2020年间中国已成为世界第二大论文被引国家，同时情感计算的研究趋势正从心理疾病诊断预测向更加商业化的智慧城市设计方向转移。
情感计算的概念最初由Rosalin Picard在1995年提出，意在获得与情感相关，从情感中产生以及会影响情感的信息。随着智慧城市对人类生活产生越来越大的影响，识别人类与机器交互过程中的情感已经成为一项重要需求。与此同时，情感计算在商业化应用场景中衍生出了情感人工智能的分支，利用人工智能，生物传感和深度学习技术实现感知，追踪和识别人类的情感和情感状态。在教育，娱乐，自动驾驶，工作环境下的情感状态检测等领域情感人工智能的商业应用正在快速增长。据研究机构统计情感人工智能目前在全球的商业价值已达到216亿美元，并有望在2024年实现价值翻倍。
近年来，基于论文数据库的分析方法已被广泛应用于医药领域的人工智能应用，跨学科机器人研究，数字营销传播的全球演变研究以及会话和聊天系统等。本文通过收集和分析1995-2020年间SCI数据库中3386篇关于情感计算的英文学术论文，对情感计算领域中广泛的研究历史和研究现状做出了量化总结。
如图1所示，在1995-2020年间情感计算相关的研究论文数量的年平均增速为11.36%，论文平均作者数量为2至3人，其中9.74%的论文由单一作者完成。
图1. 1995-2020年间情感计算相关的年研究成果数量（数据来源：Web of Science）
表2列出了1995-2005，2006-2015和2016-2020年间在情感计算领域发表的期刊和会议论文数量最多的前十个国家。其中，美国，中国，英国，德国，西班牙，意大利，荷兰的论文数量排名始终保持在前7位，意味着在这些国家中，情感计算课题的研究学者始终积极地发表期刊论文并参与国际会议。同时，美国和中国已经成为两个主导情感计算研究的国家，并且在最近的2016-2020年间来自中国的论文总数已超过美国。
1995-2020年间由SCI数据库索引的情感计算论文共3448篇，论文作者共8998位，
表6列出了不同时期发表论文数量最多的作者。排在前三位的分别是伦敦帝国理工学院的Bjoern Schuller教授，南洋科技大学的Erik Cambria 教授，日本德岛大学的Fuji Ren教授。Bjoern Schuller教授的研究方向是基于语音和视觉信号的情感识别，数据来源于线上课程和自然对话等现实世界的场景，Erik Cambria 教授的研究注重情感分析和自然语言处理，Fuji Ren教授的研究聚焦在基于语言的情感计算应用，包括构建多标签的情感语料库Ren-CECps，以及基于Wi-Fi频道状态的行为意图理解算法等。值得注意的是，在20年间只有两位中国作者Fuji Ren和Liu L入选论文发表数量前十位。
图4列出了情感计算领域中研究主题的演化。在1995-2005年间情感计算研究介于核心且完善的主题和横向主题之间。这些主题包括痴呆，抑郁，焦虑，季节性情感障碍，双相障碍和精神分裂症等心理问题。尤其在1980-1990年代这些研究关注于神经影像，脑成像，磁共振成像和磁共振光谱，以及断层扫描，将脑神经研究与情感计算结合，利用结构化的脑成像数据发现精神疾病患者的脑部异常。在2006至2015年间，随着Web2.0技术和社交媒体应用的出现，情绪分析逐渐成为研究主流。在自然语言处理，面部表情分析，意图挖掘，语义网，情感感知，游戏处理等领域，情绪分析相关的研究逐渐兴起。在2016至2020年间情感计算研究转向了更加务实的商业的应用，代表性的研究主题包括特征提取，人工智能，虚拟现实，脑机接口等。通过进一步的关键词共现分析，我们发现学术团体更加关注于微调模型和改善计算技术，以提高现有的情感计算性能。同时，用于情感计算的计算性能和可用的数据量都有显著的增加。
值得关注的情感计算研究进展包括结合知识库和机器学习的情感计算方法以及基于不同维度的连续情感数值分析。在这些研究中，基于自然语言的情感计算研究主要使用知识库和深度神经网络结合的方式构造模型，而基于语音，图像和生物信息的情感计算更多的使用了端到端的机器学习和若监督机器学习方式，以减少人工标注的工作。将文字，语音，图像和视觉信号融合的多模态情感计算也受到越来越多的关注。