⑴ 前端开发和用户体验设计以及交互设计的关系到底是如何呢
在某大牛的点拨下，知道了“前端”这样一个职业的存在，觉得它的好处是，能够给你一个把设计实现的机会，既不像纯美工一样只是画图而没有能力把它真正地转化成能够使用的东西，也不像后台开发只能默默地搬砖。而且如果恰好作为后台开发者，遇到一位很差的前端同事的话，看着自己做的网站最后有着这么差的用户体验，我会很不舒服。。。
回到问题上，现在我很困惑的一点就是，很多地方提到前端开发，都只把它当作一个JavaScript程序员看待，而提到交互设计/用户体验设计，又往往偏重纯美工（其实个人觉得”用户体验设计“这个说法是对这一领域描述最准确的，因为核心目的都是让用户得到更好的体验，不管你的手段是用技术还是艺术设计，达到这点显然不是单靠后台程序员也不是单靠美工的，这才是--暂且用“前端”代指--的中心价值啊！）。
但是奇怪的是，在一些地方这三个标签都是放在一起的，有”前端“标签的问题很多时候必有”交互设计“。有区别也有联系。
⑵ 基于机器学习的情感分析是什么意思
以下以语义特征为例：
机器学习基于语义特征的情感分析
基于语义特征的情感分析先人已有研究，可以通过情感词典匹配来做，但是应用机器学习在这方面会使精确度更高些。
以本人参与的一个项目为主，总结下相关技术点。
背景是：分析用户评论感情色彩是积极还是消极，即是褒还是贬。
具体步骤为：
1.有监督的人工给文本标注类标签。如有5000条评论数据，我们给其中的1000条标为积极的，再选1000条标为消极的，积极和消极就是所谓的类标签。
2.选择特征。从积极的评论数据中按词来选择积极的所有特征。同理，从消极的评论数据中按词来选择消极的所有特征。如“这款游戏非常好玩”->”这款”->“游戏”->”非常”->”好玩”，分为四个特征词，也可以采用双词搭配，“这个游戏”和“非常好玩”作为特征。
3.特征降维，减少特征的数量。如上“这个游戏非常好玩”中的“这个游戏”没有必要作为特征，因为“好玩”或“非常好玩”已经决定了评论是积极的。
4.将语料文本变成使用特征表示。
5.统计所有特征出现的次数，并按倒序排序。
6.从以上结果中选出排序最靠前的一些特征作为最终的评判特征。
7.使用训练数据根据特征训练分类算法，得到分类器。
8.用测试数据检测分类器的准确度。
我们将数据分为两部分：开发集、测试集。用开发集的数据训练分类算法得到分类器；再用分类器对测试集里的数据进行分类，给出分类预测得到的标签；对比分类标签和人工标注得到的标签的差异，计算出准确度。
⑶ 小鹿情感的导师可信吗
还是可以信赖的。
情感导师是通过情感的释放来给患者答疑，患者通常情况下满意才付款。
⑷ 情感计算的人机交互中的“情感计算”
传统的人机交互，主要通过键盘、鼠标、屏幕等方式进行，只追求便利和准确，无法理解和适应人的情绪或心境。而如果缺乏这种情感理解和表达能力，就很难指望计算机具有类似人一样的智能，也很难期望人机交互做到真正的和谐与自然。由于人类之间的沟通与交流是自然而富有感情的，因此，在人机交互的过程中，人们也很自然地期望计算机具有情感能力。情感计算（Affective Computting）就是要赋予计算机类似于人一样的观察、理解和生成各种情感特征的能力，最终使计算机像人一样能进行自然、亲切和生动的交互。 有关人类情感的深入研究，早在19世纪末就进行了。然而，除了科幻小说当中，过去极少有人将“感情”和无生命的机器联系在一起。只有到了现代，随着数字信息技术的发展，人们才开始设想让机器（计算机）也具备“感情”。从感知信号中提取情感特征，分析人的情感与各种感知信号的关联，是国际上近几年刚刚兴起的研究方向（图1）。
人的情绪与心境状态的变化总是伴随着某些生理特征或行为特征的起伏，它受到所处环境、文化背景、人的个性等一系列因素的影响。要让机器处理情感，我们首先必须探讨人与人之间的交互过程。那么人是如何表达情感，又如何精确地觉察到它们的呢？人们通过一系列的面部表情、肢体动作和语音来表达情感，又通过视觉、听觉、触觉来感知情感的变化。视觉察觉则主要通过面部表情、姿态来进行；语音、音乐则是主要的听觉途径；触觉则包括对爱抚、冲击、汗液分泌、心跳等现象的处理。
情感计算研究的重点就在于通过各种传感器获取由人的情感所引起的生理及行为特征信号，建立“情感模型”，从而创建感知、识别和理解人类情感的能力，并能针对用户的情感做出智能、灵敏、友好反应的个人计算系统，缩短人机之间的距离，营造真正和谐的人机环境（图2）。 在生活中，人们很难保持一种僵硬的脸部表情，通过脸部表情来体现情感是人们常用的较自然的表现方式，其情感表现区域主要包括嘴、脸颊、眼睛、眉毛和前额等。人在表达情感时，只稍许改变一下面部的局部特征（譬如皱一下眉毛），便能反映一种心态。在1972年，着名的学者Ekman提出了脸部情感的表达方法（脸部运动编码系统FACS）。通过不同编码和运动单元的组合，即可以在脸部形成复杂的表情变化，譬如幸福、愤怒、悲伤等。该成果已经被大多数研究人员所接受，并被应用在人脸表情的自动识别与合成（图3）。
随着计算机技术的飞速发展，为了满足通信的需要，人们进一步将人脸识别和合成的工作融入到通信编码中。最典型的便是MPEG4 V2视觉标准，其中定义了3个重要的参数集：人脸定义参数、人脸内插变换和人脸动画参数。表情参数中具体数值的大小代表人激动的程度，可以组合多种表情以模拟混合表情。
在目前的人脸表情处理技术中，多侧重于对三维图像的更加细致的描述和建模。通常采用复杂的纹理和较细致的图形变换算法，达到生动的情感表达效果。在此基础上，不同的算法形成了不同水平的应用系统（图4，图5） 人的姿态一般伴随着交互过程而发生变化，它们表达着一些信息。例如手势的加强通常反映一种强调的心态，身体某一部位不停地摆动，则通常具有情绪紧张的倾向。相对于语音和人脸表情变化来说，姿态变化的规律性较难获取，但由于人的姿态变化会使表述更加生动，因而人们依然对其表示了强烈的关注。
科学家针对肢体运动，专门设计了一系列运动和身体信息捕获设备，例如运动捕获仪、数据手套、智能座椅等。国外一些着名的大学和跨国公司，例如麻省理工学院、IBM等则在这些设备的基础上构筑了智能空间。同时也有人将智能座椅应用于汽车的驾座上，用于动态监测驾驶人员的情绪状态，并提出适时警告。意大利的一些科学家还通过一系列的姿态分析，对办公室的工作人员进行情感自动分析，设计出更舒适的办公环境。 在人类的交互过程中，语音是人们最直接的交流通道，人们通过语音能够明显地感受到对方的情绪变化，例如通过特殊的语气词、语调发生变化等等。在人们通电话时，虽然彼此看不到，但能从语气中感觉到对方的情绪变化。例如同样一句话“你真行”，在运用不同语气时，可以使之成为一句赞赏的话，也可以使之成为讽刺或妒忌的话。
目前，国际上对情感语音的研究主要侧重于情感的声学特征的分析这一方面。一般来说，语音中的情感特征往往通过语音韵律的变化表现出来。例如，当一个人发怒的时候，讲话的速率会变快，音量会变大，音调会变高等，同时一些音素特征（共振峰、声道截面函数等）也能反映情感的变化。中国科学院自动化研究所模式识别国家重点实验室的专家们针对语言中的焦点现象，首先提出了情感焦点生成模型。这为语音合成中情感状态的自动预测提供了依据，结合高质量的声学模型，使得情感语音合成和识别率先达到了实际应用水平。 虽然人脸、姿态和语音等均能独立地表示一定的情感，但人在相互交流的过程中却总是通过上面信息的综合表现来进行的。所以，惟有实现多通道的人机界面，才是人与计算机最为自然的交互方式，它集自然语言、语音、手语、人脸、唇读、头势、体势等多种交流通道为一体，并对这些通道信息进行编码、压缩、集成和融合，集中处理图像、音频、视频、文本等多媒体信息。
目前，多模态技术本身也正在成为人机交互的研究热点，而情感计算融合多模态处理技术，则可以实现情感的多特征融合，能够有力地提高情感计算的研究深度，并促使出现高质量、更和谐的人机交互系统。
在多模态情感计算研究中，一个很重要的研究分支就是情感机器人和情感虚拟人的研究。美国麻省理工学院、日本东京科技大学、美国卡内基·梅隆大学均在此领域做出了较好的演示系统。目前中科院自动化所模式识别国家重点实验室已将情感处理融入到了他们已有的语音和人脸的多模态交互平台中，使其结合情感语音合成、人脸建模、视位模型等一系列前沿技术，构筑了栩栩如生的情感虚拟头像，并正在积极转向嵌入式平台和游戏平台等实际应用（图6）。 情感状态的识别和理解，则是赋予计算机理解情感并做出恰如其分反应的关键步骤。这个步骤通常包括从人的情感信息中提取用于识别的特征，例如从一张笑脸中辨别出眉毛等，接着让计算机学习这些特征以便日后能够准确地识别其情感。
为了使计算机更好地完成情感识别任务，科学家已经对人类的情感状态进行了合理而清晰的分类，提出了几类基本情感。目前，在情感识别和理解的方法上运用了模式识别、人工智能、语音和图像技术的大量研究成果。例如：在情感语音的声学分析的基础上，运用线性统计方法和神经网络模型，实现了基于语音的情感识别原型；通过对面部运动区域进行编码，采用HMM等不同模型，建立了面部情感特征的识别方法；通过对人姿态和运动的分析，探索肢体运动的情感类别等等。
不过，受到情感信息的捕获技术的影响，并缺乏大规模的情感数据资源，有关多特征融合的情感理解模型的研究还有待深入。随着未来的技术进展，还将提出更有效的机器学习机制。 情感计算与智能交互技术试图在人和计算机之间建立精确的自然交互方式，将会是计算技术向人类社会全面渗透的重要手段。未来随着技术的不断突破，情感计算的应用势在必行，其对未来日常生活的影响将是方方面面的，目前我们可以预见的有：
情感计算将有效地改变过去计算机呆板的交互服务，提高人机交互的亲切性和准确性。一个拥有情感能力的计算机，能够对人类的情感进行获取、分类、识别和响应，进而帮助使用者获得高效而又亲切的感觉，并有效减轻人们使用电脑的挫败感，甚至帮助人们便于理解自己和他人的情感世界。
它还能帮助我们增加使用设备的安全性（例如当采用此类技术的系统探测到司机精力不集中时可以及时改变车的状态和反应）、使经验人性化、使计算机作为媒介进行学习的功能达到最佳化，并从我们身上收集反馈信息。例如，一个研究项目在汽车中用电脑来测量驾车者感受到的压力水平，以帮助解决所谓驾驶者的“道路狂暴症”问题。
情感计算和相关研究还能够给涉及电子商务领域的企业带来实惠。已经有研究显示，不同的图像可以唤起人类不同的情感。例如，蛇、蜘蛛和枪的图片能引起恐惧，而有大量美元现金和金块的图片则可以使人产生非常强烈的积极反应。如果购物网站和股票交易网站在设计时研究和考虑这些因素的意义，将对客流量的上升产生非常积极的影响。
在信息家电和智能仪器中，增加自动感知人们的情绪状态的功能，可以提供更好的服务。
在信息检索应用中，通过情感分析的概念解析功能，可以提高智能信息检索的精度和效率。
在远程教育平台中，情感计算技术的应用能增加教学效果。
利用多模式的情感交互技术，可以构筑更贴近人们生活的智能空间或虚拟场景等等。
情感计算还能应用在机器人、智能玩具、游戏等相关产业中，以构筑更加拟人化的风格和更加逼真的场景。 由于缺乏较大规模的情感数据资源，情感计算的发展受到一定的限制，而且多局限在语音、身体语言等具体而零散的研究领域，仅仅依靠这些还难以准确地推断和生成一个人的情感状态，并进行有效的情感交互。目前，科学家们正在积极地探索多特征融合的情感计算理论模型。很多人认为，今后几年情感计算将在这些方面需要取得突破：
更加细致和准确的情感信息获取、描述及参数化建模。
多模态的情感识别、理解和表达（图像、语音、生理特征等）。
自然场景对生理和行为特征的影响。
更加适用的机器学习算法。
海量的情感数据资源库。 不久前，为了推动我国在这一领域的研究，探讨情感计算和智能交互技术的发展动态与趋势，促进我国科研人员在此领域的交流与合作，中国科学院自动化研究所、中国自动化学会、中国计算机学会、中国图象图形学会、中国中文信息学会、国家自然科学基金委员会和国家863计划计算机软硬件技术主题作为主办单位，在北京主办了第一届中国情感计算与智能交互学术会议。
事实证明，情感计算的概念尽管诞生不久，但已受到学术界和产业界的高度重视，相关领域的研究和应用正方兴未艾，国家自然科学基金委也将其列入重点项目的指南中。值得注意的是，近几年来，与情感计算有密切关系的普适计算和可穿戴式计算机的研究也已获得了蓬勃发展，并同样得到了国家的大力支持。这为情感信息的实时获取提供了极大的便利条件，也为情感计算在国内的发展提供了更好的发展平台。
⑸ 前端如何提升用户体验
AJAX
看到这里肯定有人忍不住笑出声，的确这已经不算什么新技术，但要让我站在用户的角度来评价网站技术上的变化中给访问者带来最大友好性的一项，我肯定会选AJAX。
记得在我刚刚开始学会上网时候，不管是注册页面还是登录都是我最烦的，那时候网速又不快，打开一个注册页面就要几秒时间，然后从上往下有几十个选项要全部填满，比如其中有一项让我填写“密码保护问题”，这个设计简直让人想吃电脑，因为很多人一看这种问题应该都会和我一样随便写几个数字就提交，然后等几秒加载完网页提示“密码保护问题”不允许有数字，同时之前填写的十几项数据全部清空需要重新再来一遍，再花几分钟写完之后提交又提示不允许有字母，再来一遍，有时候还会提示字符太短太长有空格超时之类，总之如果你第一次注册这种页面，至少要花掉十几分钟，而且还是在重复做一件事。从网站运营者角度来看这也很烦，重复十几分钟填写表单很容易就失去很多潜在用户。
在AJAX的异步请求出现之后，这种情况明显的改善，给用户的体验感最明显。用户并不知道何时已经提交请求，就拿刚才表单的例子来说，如果每填写一项都会在当前表单的最后提示具体错误类型(在用户未点击时已经异步提交了请求并且用返回数据更新部分页面)，这就给用户很直观的提示，这种即时的互动让访问者能够很直观的感受到这是一个友好的网站。(当然用javascript也能做到部分表单验证，这只是举一个例子)。在不重新加载整个页面，通过操作DOM来改写小部分数据这点上也能给访问者带来极大的交互感，现在流行的微博就是最好的例子，在发送微博/评论/转发之后用户会发现不用刷新等待整个页面加载，操作之后立刻会有小部分的页面发生变化，虽然看起来微不足道，但对一个访问者来说，这足以让他们欣喜。
网页字体
网站中所有的文字内容表达方式都是通过字体，合理的字体无疑会给用户更好的体验感。在业内来说豆瓣可能是对字体研究最多的一个网站，拿豆瓣读书都来他们用Helvetica和Arial这两种差别非常小的字体，这种非衬线字体很容易让人一目了然同时富有一些科技感，豆瓣本身就是以图片加上简短语句组成，让人能够从字体中快速找到重心是设计的目标所在。
有人担心非衬线用作正文对阅读体验有影响，实际上不难发现国外很多网站都用非衬线字体来处理正文，当然也不排除他们可能考虑的更多是英文。其实我还是非常喜欢非衬线体，它们看起来更富美感，而且如今大量的文字在互联网上比较少见，一些活泼具有现代感的非衬线字体也逐渐被更多的开发者认同而且使用。
除去这些，字体还可以在选择上再细分一些，记得曾经看过一篇统计，不同的字体会影响用户对站点权威性的信赖程度。比方说在一个公司网站上大量使用类似于幼圆、Cursive一类字体，很容易让访问者不信任网站，当然如果是以娱乐为主的网站也不能过于严肃和简朴，在使用时既要考虑到大众用户的接受程度，也要知道自己的网站是什么定位，当然技术性的问题也不能忽略，像是火狐比IE区分sans-serif要更模糊一些，有的字体“O”和“0”、“L”和“1”容易让人难以区分(代码较多的站点需要考虑)等等，这样综合对比选择得到的字体无疑能让网站更有魅力，从而留下更多的用户。顺便一提，在使用字体时注意版权。
加载速度
很多用户在还未见到你出色的设计和内容之前就已经离开了页面，这是因为网站加载时间实在是太长，已使访问者失去耐心。其实很多的访客不关心脚本和图片的加载顺序，他们只要看到网站的整体结构能够迅速的加载出来就可以开始浏览，即便是其他元素逐渐加载也可以接受，基于这点，我们可以使用很多延时加载的方法来使用户更快的见到页面。除此之外还有很多因素可能会对加载速度造成影响，也有逐一优化的办法，这里就不再细述。
结构设计
不知道大家发现没有，近来很多网站都喜欢把菜单fixed在顶部，只要这个菜单选择项不是太多，访客对这样的固定菜单接受程度还是很高的，这只是设计中的一个小例子，相类似的有很多，比如在表单中以深浅颜色区分每一行，以提高可阅读性;在激活窗口时为当前控件添加一个边框，使用户能够更建议的分辨自己在操作哪个窗口等等。很多的设计与排版方式都已经得到了大众认可，可以作为网站设计时的参考。
网站结构设计的好看不好看对访客来说虽然有影响，但也不至于立刻离开，而且即便是非常精致的页面却对用户不怎么友好，想必也不会有多少人愿意访问。
举个例子，以前我用好搜(360搜索)的时候总感觉怪怪的，没有google和网络顺手，研究了一段时间之后才发现好搜的的主页搜索框比网络和google要低一些，Google到顶部固定菜单的距离是286px，网络是192px(未登录238px)，而好搜则是328px。相比之下，好搜的搜索框更趋向于屏幕中间，而网络与Google则是在屏幕中上方，对于已经常年习惯了网络和Google搜索的用户来说，想要改变这个习惯来适应好搜多少有些困难，除此之外搜索框还有结果页也有几个问题不一一细述，360这样做无外乎两点，一个是不在乎/不知道/不关心用户体验，一个就是故意有所不同，想要培养自己的用户习惯。(在我看来也不怎么成功)
细节决定成败
乔布斯的父亲是个木匠，曾经教给乔布斯一个理念，就是橱柜的背面里层也要细致处理甚至是打磨光滑，即便用户看不见。在理想主义的伟大试验品“麦金塔”出世之后，有人甚至感叹，就连电路板上的电路图都能当作艺术品，的确如此，乔布斯就曾经开除一个对电路图美学设计不满的员工。一个伟大产品的诞生并不是一蹴而就的，必然经过了长期的沉淀积累与琢磨，但仅此依旧不能称之为伟大，只能算成功。一个产品细节上的最后润色可能才是决定它价值的关键。对于WEB开发者来说，更是如此。
⑹ 舆情系统，前端的UI，包括数据可视化，需要做。还有一些核心功能，包括，网络爬虫，分词，情感分析，热
掌握核心科技才是最主要的。
网络爬虫：基础数据来源，没有数据什么都做不了，可以选择；有开源的网络爬虫，可改成自己想要的。
分 词：如果不是特别想搞清楚分词，而只是使用的话，使用开源的即可。不用深入学习理论；
情感分析：可考虑。算法是个方向；
热点提取：同情感分析；
实际就是获取数据，分析数据；数据显示也十分重要，都获取到了，看不到或者不好看也是白搭。
个人谬论~ 仅供参考~