Παρακολούθηση συναισθηματικής κατάστασης χρήστη και ενημέρωση κοινωνικών δικτύων

Abstract

Σκοπός της παρούσας διπλωματικής εργασίας είναι η αναγνώριση της συναισθηματικής κατάστασης ενός ατόμου από τα βιολογικά σήματα του οργανισμού του και η ενημέρωση ενός μέσου κοινωνικής δικτύωσης για την κατάσταση αυτή. Η αναγνώριση της συναισθηματικής κατάστασης πραγματοποιείται μέσω των βιολογικών σημάτων ηλεκτροκαρδιογραφήματος (ecg), ηλεκτρομυογραφήματος (emg), αλλαγής ρυθμού αναπνοής (rsp) και αγωγιμότητας δέρματος (sc). Τα συναισθήματα τα οποία αναγνωρίζονται είναι η χαρά (joy), ο θυμός (anger) και η λύπη (sadness). Πιο συγκεκριμένα, η διαδικασία αναγνώρισης υλοποιείται με τη βοήθεια ενός νευρωνικού δικτύου εμπρόσθιας τροφοδότησης, το οποίο εκπαιδεύεται με τη μέθοδο της οπίσθιας διάδοσης. Η ενημέρωση του μέσου κοινωνικής δικτύωσης πραγματοποιείται στηριζόμενη στην ιδέα του αντικειμενοστραφούς προγραμματισμού. Η υλοποίηση της ενημέρωσης του μέσου κοινωνικής δικτύωσης διακρίνεται σε δυο μέρη: την απόκτηση πρόσβασης στο περιεχόμενο του αρχείου, όπου είναι αποθηκευμένο το συναίσθημα και την ενημέρωση του μέσου κοινωνικής δικτύωσης με το περιεχόμενο αυτό. Η πρόσβαση στο αρχείο υλοποιείται μέσω της δημιουργίας ενός αντικειμένου το οποίο είναι επιφορτισμένο με τη λειτουργία αυτή. Σαν παράδειγμα χρήσης παρουσιάζεται η ενημέρωση του twitter.

The objective of this diploma thesis is the emotional state recognition of a person using biological signals and the respective status update of a social network. The emotional state recognition is implemented through the biological signals of electrocardiogram (ecg), electromyogram (emg), respiration change (rsp) and skin conductivity (sc). The recognized emotions are these of joy, anger and sadness. The recognition progress is materialized utilizing a feed forward neural network trained with the back propagation method. The update of a social network is implemented based on the idea of object - oriented programming. The update of a social network consist of two parts: the access to the file content, where the emotion is stored, and the update of a social network. Twitter status update is the example presented in this thesis