⑴ 前端開發和用戶體驗設計以及交互設計的關繫到底是如何呢
在某大牛的點撥下，知道了「前端」這樣一個職業的存在，覺得它的好處是，能夠給你一個把設計實現的機會，既不像純美工一樣只是畫圖而沒有能力把它真正地轉化成能夠使用的東西，也不像後台開發只能默默地搬磚。而且如果恰好作為後台開發者，遇到一位很差的前端同事的話，看著自己做的網站最後有著這么差的用戶體驗，我會很不舒服。。。
回到問題上，現在我很困惑的一點就是，很多地方提到前端開發，都只把它當作一個JavaScript程序員看待，而提到交互設計/用戶體驗設計，又往往偏重純美工（其實個人覺得」用戶體驗設計「這個說法是對這一領域描述最准確的，因為核心目的都是讓用戶得到更好的體驗，不管你的手段是用技術還是藝術設計，達到這點顯然不是單靠後台程序員也不是單靠美工的，這才是--暫且用「前端」代指--的中心價值啊！）。
但是奇怪的是，在一些地方這三個標簽都是放在一起的，有」前端「標簽的問題很多時候必有」交互設計「。有區別也有聯系。
⑵ 基於機器學習的情感分析是什麼意思
以下以語義特徵為例：
機器學習基於語義特徵的情感分析
基於語義特徵的情感分析先人已有研究，可以通過情感詞典匹配來做，但是應用機器學習在這方面會使精確度更高些。
以本人參與的一個項目為主，總結下相關技術點。
背景是：分析用戶評論感情色彩是積極還是消極，即是褒還是貶。
具體步驟為：
1.有監督的人工給文本標注類標簽。如有5000條評論數據，我們給其中的1000條標為積極的，再選1000條標為消極的，積極和消極就是所謂的類標簽。
2.選擇特徵。從積極的評論數據中按詞來選擇積極的所有特徵。同理，從消極的評論數據中按詞來選擇消極的所有特徵。如「這款游戲非常好玩」->」這款」->「游戲」->」非常」->」好玩」，分為四個特徵詞，也可以採用雙詞搭配，「這個游戲」和「非常好玩」作為特徵。
3.特徵降維，減少特徵的數量。如上「這個游戲非常好玩」中的「這個游戲」沒有必要作為特徵，因為「好玩」或「非常好玩」已經決定了評論是積極的。
4.將語料文本變成使用特徵表示。
5.統計所有特徵出現的次數，並按倒序排序。
6.從以上結果中選出排序最靠前的一些特徵作為最終的評判特徵。
7.使用訓練數據根據特徵訓練分類演算法，得到分類器。
8.用測試數據檢測分類器的准確度。
我們將數據分為兩部分：開發集、測試集。用開發集的數據訓練分類演算法得到分類器；再用分類器對測試集里的數據進行分類，給出分類預測得到的標簽；對比分類標簽和人工標注得到的標簽的差異，計算出准確度。
⑶ 小鹿情感的導師可信嗎
還是可以信賴的。
情感導師是通過情感的釋放來給患者答疑，患者通常情況下滿意才付款。
⑷ 情感計算的人機交互中的「情感計算」
傳統的人機交互，主要通過鍵盤、滑鼠、屏幕等方式進行，只追求便利和准確，無法理解和適應人的情緒或心境。而如果缺乏這種情感理解和表達能力，就很難指望計算機具有類似人一樣的智能，也很難期望人機交互做到真正的和諧與自然。由於人類之間的溝通與交流是自然而富有感情的，因此，在人機交互的過程中，人們也很自然地期望計算機具有情感能力。情感計算（Affective Computting）就是要賦予計算機類似於人一樣的觀察、理解和生成各種情感特徵的能力，最終使計算機像人一樣能進行自然、親切和生動的交互。 有關人類情感的深入研究，早在19世紀末就進行了。然而，除了科幻小說當中，過去極少有人將「感情」和無生命的機器聯系在一起。只有到了現代，隨著數字信息技術的發展，人們才開始設想讓機器（計算機）也具備「感情」。從感知信號中提取情感特徵，分析人的情感與各種感知信號的關聯，是國際上近幾年剛剛興起的研究方向（圖1）。
人的情緒與心境狀態的變化總是伴隨著某些生理特徵或行為特徵的起伏，它受到所處環境、文化背景、人的個性等一系列因素的影響。要讓機器處理情感，我們首先必須探討人與人之間的交互過程。那麼人是如何表達情感，又如何精確地覺察到它們的呢？人們通過一系列的面部表情、肢體動作和語音來表達情感，又通過視覺、聽覺、觸覺來感知情感的變化。視覺察覺則主要通過面部表情、姿態來進行；語音、音樂則是主要的聽覺途徑；觸覺則包括對愛撫、沖擊、汗液分泌、心跳等現象的處理。
情感計算研究的重點就在於通過各種感測器獲取由人的情感所引起的生理及行為特徵信號，建立「情感模型」，從而創建感知、識別和理解人類情感的能力，並能針對用戶的情感做出智能、靈敏、友好反應的個人計算系統，縮短人機之間的距離，營造真正和諧的人機環境（圖2）。 在生活中，人們很難保持一種僵硬的臉部表情，通過臉部表情來體現情感是人們常用的較自然的表現方式，其情感表現區域主要包括嘴、臉頰、眼睛、眉毛和前額等。人在表達情感時，只稍許改變一下面部的局部特徵（譬如皺一下眉毛），便能反映一種心態。在1972年，著名的學者Ekman提出了臉部情感的表達方法（臉部運動編碼系統FACS）。通過不同編碼和運動單元的組合，即可以在臉部形成復雜的表情變化，譬如幸福、憤怒、悲傷等。該成果已經被大多數研究人員所接受，並被應用在人臉表情的自動識別與合成（圖3）。
隨著計算機技術的飛速發展，為了滿足通信的需要，人們進一步將人臉識別和合成的工作融入到通信編碼中。最典型的便是MPEG4 V2視覺標准，其中定義了3個重要的參數集：人臉定義參數、人臉內插變換和人臉動畫參數。表情參數中具體數值的大小代表人激動的程度，可以組合多種表情以模擬混合表情。
在目前的人臉表情處理技術中，多側重於對三維圖像的更加細致的描述和建模。通常採用復雜的紋理和較細致的圖形變換演算法，達到生動的情感表達效果。在此基礎上，不同的演算法形成了不同水平的應用系統（圖4，圖5） 人的姿態一般伴隨著交互過程而發生變化，它們表達著一些信息。例如手勢的加強通常反映一種強調的心態，身體某一部位不停地擺動，則通常具有情緒緊張的傾向。相對於語音和人臉表情變化來說，姿態變化的規律性較難獲取，但由於人的姿態變化會使表述更加生動，因而人們依然對其表示了強烈的關注。
科學家針對肢體運動，專門設計了一系列運動和身體信息捕獲設備，例如運動捕獲儀、數據手套、智能座椅等。國外一些著名的大學和跨國公司，例如麻省理工學院、IBM等則在這些設備的基礎上構築了智能空間。同時也有人將智能座椅應用於汽車的駕座上，用於動態監測駕駛人員的情緒狀態，並提出適時警告。義大利的一些科學家還通過一系列的姿態分析，對辦公室的工作人員進行情感自動分析，設計出更舒適的辦公環境。 在人類的交互過程中，語音是人們最直接的交流通道，人們通過語音能夠明顯地感受到對方的情緒變化，例如通過特殊的語氣詞、語調發生變化等等。在人們通電話時，雖然彼此看不到，但能從語氣中感覺到對方的情緒變化。例如同樣一句話「你真行」，在運用不同語氣時，可以使之成為一句贊賞的話，也可以使之成為諷刺或妒忌的話。
目前，國際上對情感語音的研究主要側重於情感的聲學特徵的分析這一方面。一般來說，語音中的情感特徵往往通過語音韻律的變化表現出來。例如，當一個人發怒的時候，講話的速率會變快，音量會變大，音調會變高等，同時一些音素特徵（共振峰、聲道截面函數等）也能反映情感的變化。中國科學院自動化研究所模式識別國家重點實驗室的專家們針對語言中的焦點現象，首先提出了情感焦點生成模型。這為語音合成中情感狀態的自動預測提供了依據，結合高質量的聲學模型，使得情感語音合成和識別率先達到了實際應用水平。 雖然人臉、姿態和語音等均能獨立地表示一定的情感，但人在相互交流的過程中卻總是通過上面信息的綜合表現來進行的。所以，惟有實現多通道的人機界面，才是人與計算機最為自然的交互方式，它集自然語言、語音、手語、人臉、唇讀、頭勢、體勢等多種交流通道為一體，並對這些通道信息進行編碼、壓縮、集成和融合，集中處理圖像、音頻、視頻、文本等多媒體信息。
目前，多模態技術本身也正在成為人機交互的研究熱點，而情感計算融合多模態處理技術，則可以實現情感的多特徵融合，能夠有力地提高情感計算的研究深度，並促使出現高質量、更和諧的人機交互系統。
在多模態情感計算研究中，一個很重要的研究分支就是情感機器人和情感虛擬人的研究。美國麻省理工學院、日本東京科技大學、美國卡內基·梅隆大學均在此領域做出了較好的演示系統。目前中科院自動化所模式識別國家重點實驗室已將情感處理融入到了他們已有的語音和人臉的多模態交互平台中，使其結合情感語音合成、人臉建模、視位模型等一系列前沿技術，構築了栩栩如生的情感虛擬頭像，並正在積極轉向嵌入式平台和游戲平台等實際應用（圖6）。 情感狀態的識別和理解，則是賦予計算機理解情感並做出恰如其分反應的關鍵步驟。這個步驟通常包括從人的情感信息中提取用於識別的特徵，例如從一張笑臉中辨別出眉毛等，接著讓計算機學習這些特徵以便日後能夠准確地識別其情感。
為了使計算機更好地完成情感識別任務，科學家已經對人類的情感狀態進行了合理而清晰的分類，提出了幾類基本情感。目前，在情感識別和理解的方法上運用了模式識別、人工智慧、語音和圖像技術的大量研究成果。例如：在情感語音的聲學分析的基礎上，運用線性統計方法和神經網路模型，實現了基於語音的情感識別原型；通過對面部運動區域進行編碼，採用HMM等不同模型，建立了面部情感特徵的識別方法；通過對人姿態和運動的分析，探索肢體運動的情感類別等等。
不過，受到情感信息的捕獲技術的影響，並缺乏大規模的情感數據資源，有關多特徵融合的情感理解模型的研究還有待深入。隨著未來的技術進展，還將提出更有效的機器學習機制。 情感計算與智能交互技術試圖在人和計算機之間建立精確的自然交互方式，將會是計算技術向人類社會全面滲透的重要手段。未來隨著技術的不斷突破，情感計算的應用勢在必行，其對未來日常生活的影響將是方方面面的，目前我們可以預見的有：
情感計算將有效地改變過去計算機呆板的交互服務，提高人機交互的親切性和准確性。一個擁有情感能力的計算機，能夠對人類的情感進行獲取、分類、識別和響應，進而幫助使用者獲得高效而又親切的感覺，並有效減輕人們使用電腦的挫敗感，甚至幫助人們便於理解自己和他人的情感世界。
它還能幫助我們增加使用設備的安全性（例如當採用此類技術的系統探測到司機精力不集中時可以及時改變車的狀態和反應）、使經驗人性化、使計算機作為媒介進行學習的功能達到最佳化，並從我們身上收集反饋信息。例如，一個研究項目在汽車中用電腦來測量駕車者感受到的壓力水平，以幫助解決所謂駕駛者的「道路狂暴症」問題。
情感計算和相關研究還能夠給涉及電子商務領域的企業帶來實惠。已經有研究顯示，不同的圖像可以喚起人類不同的情感。例如，蛇、蜘蛛和槍的圖片能引起恐懼，而有大量美元現金和金塊的圖片則可以使人產生非常強烈的積極反應。如果購物網站和股票交易網站在設計時研究和考慮這些因素的意義，將對客流量的上升產生非常積極的影響。
在信息家電和智能儀器中，增加自動感知人們的情緒狀態的功能，可以提供更好的服務。
在信息檢索應用中，通過情感分析的概念解析功能，可以提高智能信息檢索的精度和效率。
在遠程教育平台中，情感計算技術的應用能增加教學效果。
利用多模式的情感交互技術，可以構築更貼近人們生活的智能空間或虛擬場景等等。
情感計算還能應用在機器人、智能玩具、游戲等相關產業中，以構築更加擬人化的風格和更加逼真的場景。 由於缺乏較大規模的情感數據資源，情感計算的發展受到一定的限制，而且多局限在語音、身體語言等具體而零散的研究領域，僅僅依靠這些還難以准確地推斷和生成一個人的情感狀態，並進行有效的情感交互。目前，科學家們正在積極地探索多特徵融合的情感計算理論模型。很多人認為，今後幾年情感計算將在這些方面需要取得突破：
更加細致和准確的情感信息獲取、描述及參數化建模。
多模態的情感識別、理解和表達（圖像、語音、生理特徵等）。
自然場景對生理和行為特徵的影響。
更加適用的機器學習演算法。
海量的情感數據資源庫。 不久前，為了推動我國在這一領域的研究，探討情感計算和智能交互技術的發展動態與趨勢，促進我國科研人員在此領域的交流與合作，中國科學院自動化研究所、中國自動化學會、中國計算機學會、中國圖象圖形學會、中國中文信息學會、國家自然科學基金委員會和國家863計劃計算機軟硬體技術主題作為主辦單位，在北京主辦了第一屆中國情感計算與智能交互學術會議。
事實證明，情感計算的概念盡管誕生不久，但已受到學術界和產業界的高度重視，相關領域的研究和應用正方興未艾，國家自然科學基金委也將其列入重點項目的指南中。值得注意的是，近幾年來，與情感計算有密切關系的普適計算和可穿戴式計算機的研究也已獲得了蓬勃發展，並同樣得到了國家的大力支持。這為情感信息的實時獲取提供了極大的便利條件，也為情感計算在國內的發展提供了更好的發展平台。
⑸ 前端如何提升用戶體驗
AJAX
看到這里肯定有人忍不住笑出聲，的確這已經不算什麼新技術，但要讓我站在用戶的角度來評價網站技術上的變化中給訪問者帶來最大友好性的一項，我肯定會選AJAX。
記得在我剛剛開始學會上網時候，不管是注冊頁面還是登錄都是我最煩的，那時候網速又不快，打開一個注冊頁面就要幾秒時間，然後從上往下有幾十個選項要全部填滿，比如其中有一項讓我填寫「密碼保護問題」，這個設計簡直讓人想吃電腦，因為很多人一看這種問題應該都會和我一樣隨便寫幾個數字就提交，然後等幾秒載入完網頁提示「密碼保護問題」不允許有數字，同時之前填寫的十幾項數據全部清空需要重新再來一遍，再花幾分鍾寫完之後提交又提示不允許有字母，再來一遍，有時候還會提示字元太短太長有空格超時之類，總之如果你第一次注冊這種頁面，至少要花掉十幾分鍾，而且還是在重復做一件事。從網站運營者角度來看這也很煩，重復十幾分鍾填寫表單很容易就失去很多潛在用戶。
在AJAX的非同步請求出現之後，這種情況明顯的改善，給用戶的體驗感最明顯。用戶並不知道何時已經提交請求，就拿剛才表單的例子來說，如果每填寫一項都會在當前表單的最後提示具體錯誤類型(在用戶未點擊時已經非同步提交了請求並且用返回數據更新部分頁面)，這就給用戶很直觀的提示，這種即時的互動讓訪問者能夠很直觀的感受到這是一個友好的網站。(當然用javascript也能做到部分表單驗證，這只是舉一個例子)。在不重新載入整個頁面，通過操作DOM來改寫小部分數據這點上也能給訪問者帶來極大的交互感，現在流行的微博就是最好的例子，在發送微博/評論/轉發之後用戶會發現不用刷新等待整個頁面載入，操作之後立刻會有小部分的頁面發生變化，雖然看起來微不足道，但對一個訪問者來說，這足以讓他們欣喜。
網頁字體
網站中所有的文字內容表達方式都是通過字體，合理的字體無疑會給用戶更好的體驗感。在業內來說豆瓣可能是對字體研究最多的一個網站，拿豆瓣讀書都來他們用Helvetica和Arial這兩種差別非常小的字體，這種非襯線字體很容易讓人一目瞭然同時富有一些科技感，豆瓣本身就是以圖片加上簡短語句組成，讓人能夠從字體中快速找到重心是設計的目標所在。
有人擔心非襯線用作正文對閱讀體驗有影響，實際上不難發現國外很多網站都用非襯線字體來處理正文，當然也不排除他們可能考慮的更多是英文。其實我還是非常喜歡非襯線體，它們看起來更富美感，而且如今大量的文字在互聯網上比較少見，一些活潑具有現代感的非襯線字體也逐漸被更多的開發者認同而且使用。
除去這些，字體還可以在選擇上再細分一些，記得曾經看過一篇統計，不同的字體會影響用戶對站點權威性的信賴程度。比方說在一個公司網站上大量使用類似於幼圓、Cursive一類字體，很容易讓訪問者不信任網站，當然如果是以娛樂為主的網站也不能過於嚴肅和簡朴，在使用時既要考慮到大眾用戶的接受程度，也要知道自己的網站是什麼定位，當然技術性的問題也不能忽略，像是火狐比IE區分sans-serif要更模糊一些，有的字體「O」和「0」、「L」和「1」容易讓人難以區分(代碼較多的站點需要考慮)等等，這樣綜合對比選擇得到的字體無疑能讓網站更有魅力，從而留下更多的用戶。順便一提，在使用字體時注意版權。
載入速度
很多用戶在還未見到你出色的設計和內容之前就已經離開了頁面，這是因為網站載入時間實在是太長，已使訪問者失去耐心。其實很多的訪客不關心腳本和圖片的載入順序，他們只要看到網站的整體結構能夠迅速的載入出來就可以開始瀏覽，即便是其他元素逐漸載入也可以接受，基於這點，我們可以使用很多延時載入的方法來使用戶更快的見到頁面。除此之外還有很多因素可能會對載入速度造成影響，也有逐一優化的辦法，這里就不再細述。
結構設計
不知道大家發現沒有，近來很多網站都喜歡把菜單fixed在頂部，只要這個菜單選擇項不是太多，訪客對這樣的固定菜單接受程度還是很高的，這只是設計中的一個小例子，相類似的有很多，比如在表單中以深淺顏色區分每一行，以提高可閱讀性;在激活窗口時為當前控制項添加一個邊框，使用戶能夠更建議的分辨自己在操作哪個窗口等等。很多的設計與排版方式都已經得到了大眾認可，可以作為網站設計時的參考。
網站結構設計的好看不好看對訪客來說雖然有影響，但也不至於立刻離開，而且即便是非常精緻的頁面卻對用戶不怎麼友好，想必也不會有多少人願意訪問。
舉個例子，以前我用好搜(360搜索)的時候總感覺怪怪的，沒有google和網路順手，研究了一段時間之後才發現好搜的的主頁搜索框比網路和google要低一些，Google到頂部固定菜單的距離是286px，網路是192px(未登錄238px)，而好搜則是328px。相比之下，好搜的搜索框更趨向於屏幕中間，而網路與Google則是在屏幕中上方，對於已經常年習慣了網路和Google搜索的用戶來說，想要改變這個習慣來適應好搜多少有些困難，除此之外搜索框還有結果頁也有幾個問題不一一細述，360這樣做無外乎兩點，一個是不在乎/不知道/不關心用戶體驗，一個就是故意有所不同，想要培養自己的用戶習慣。(在我看來也不怎麼成功)
細節決定成敗
喬布斯的父親是個木匠，曾經教給喬布斯一個理念，就是櫥櫃的背面里層也要細致處理甚至是打磨光滑，即便用戶看不見。在理想主義的偉大試驗品「麥金塔」出世之後，有人甚至感嘆，就連電路板上的電路圖都能當作藝術品，的確如此，喬布斯就曾經開除一個對電路圖美學設計不滿的員工。一個偉大產品的誕生並不是一蹴而就的，必然經過了長期的沉澱積累與琢磨，但僅此依舊不能稱之為偉大，只能算成功。一個產品細節上的最後潤色可能才是決定它價值的關鍵。對於WEB開發者來說，更是如此。
⑹ 輿情系統，前端的UI，包括數據可視化，需要做。還有一些核心功能，包括，網路爬蟲，分詞，情感分析，熱
掌握核心科技才是最主要的。
網路爬蟲：基礎數據來源，沒有數據什麼都做不了，可以選擇；有開源的網路爬蟲，可改成自己想要的。
分 詞：如果不是特別想搞清楚分詞，而只是使用的話，使用開源的即可。不用深入學習理論；
情感分析：可考慮。演算法是個方向；
熱點提取：同情感分析；
實際就是獲取數據，分析數據；數據顯示也十分重要，都獲取到了，看不到或者不好看也是白搭。
個人謬論~ 僅供參考~