Zara: A Virtual Interactive Dialogue System Incorporating Emotion,Sentiment and Personality Recognition
Zara，或“Zara the Supergirl”是一个虚拟机器人，借助其内置的面部和情感识别，情感分析和语音模块，可以在与用户交互时表现出同理心。 在5-10分钟的谈话结束时，Zara可以根据所有用户话语对用户进行个性分析。 我们还使用CNN模型实现了实时情感识别，该模型在没有特征提取的情况下从原始音频中检测情绪，并且在六种不同的情绪类别上实现了平均65.7％的准确度，这是一个令人印象深刻的4.5％改进 从传统的基于特征的SVM分类。 此外，我们已经描述了使用域外数据训练的基于CNN的情绪分析模块，该模块识别来自语音识别转录本的情绪，其在人机对话中被测试时具有74.8F-度量。
与传统的单核SVM的不同，就是除了要学习w、b之外，还要学习上面提到的权重d。这样的话，decision function, cost function都会有些变化，
权系数和核函数的组合：非平稳的多核学习、局部多核学习、非稀疏多核学习
我们学过的SVM都是单核（single kernel）的，在使用的时候，需要我们根据经验或试验来选择用哪种核函数、怎样指定它的参数，这样很不方便。另一方面，实际应用当中，特征往往不是single domain的，而是异构的。拿图像分类来说，我们可能用到颜色相关的特征、纹理相关的特征、空间相关的特征，这几类特征对应的最佳的核函数未必相同，让他们共用同一个核函数，未必能得到最优的映射。对这些问题的思考，就引出了MKL。
多核学习MKL的引入
MKL的经典实现有SimpleMKL，Shogun，SPG-GMKL，SMO-MKL，Google一下就可以找到。
MKL的经典实现