摘要：EEG 情感状态数据集记录了 32 名参与者观看 40 个一分钟音乐视频时的脑电图（EEG）、外周生理信号和面部视频（22 名参与者），包含五维情感评分（唤醒度、效价、喜欢/不喜欢、支配性、熟悉度）。刺激材料通过 last.fm 情感标签检索和视频高光检测选择，支持情感识别、脑机接口、情感计算和多模态情感分析研究。
数据集简介
数据集概述
EEG 情感状态数据集是一个用于分析人类情感状态的多模态数据集，记录了 32 名参与者在观看 40 个一分钟音乐视频片段时的脑电图（EEG）和外周生理信号。参与者对每个视频的唤醒度（arousal）、效价（valence）、喜欢/不喜欢程度、支配性（dominance）和熟悉度进行评分。对于 32 名参与者中的 22 名，还记录了正面面部视频。数据集采用新颖的刺激材料选择方法，利用 last.fm 网站的情感标签检索、视频高光检测和在线评估工具，确保刺激材料的情感代表性和质量。该数据集支持情感识别、脑机接口、情感计算、神经科学研究以及多模态情感分析等应用，为理解人类情感反应的生理和神经机制提供了丰富的实验数据。
数据结构与模态特征
数据集采用多模态架构，整合三类数据：脑电图（EEG）信号记录大脑电活动，捕捉情感处理的神经相关物，外周生理信号可能包括心率、皮肤电活动、呼吸等自主神经系统反应，面部视频（22 名参与者）提供面部表情和微表情的视觉信息。每个参与者观看 40 个音乐视频片段（共 1,280 个试验，32×40），每个视频对应五个维度的主观评分：唤醒度（情绪激活程度）、效价（积极/消极程度）、喜欢/不喜欢（偏好判断）、支配性（控制感）和熟悉度（先前接触程度）。这种设计支持监督学习任务，将生理和神经信号映射到多维情感空间。
应用价值与研究方向
该数据集支持情感识别算法开发、脑机接口设计、情感计算模型训练、多模态融合研究以及神经科学情感机制探索。研究人员可以开发从 EEG 信号自动识别情感状态的分类器、构建融合生理信号和面部表情的多模态情感识别系统、训练深度学习模型预测主观情感评分，或探索不同情感维度在大脑和身体中的表征模式。数据集的多维情感评分设计使其适用于情感连续体建模，而非简单的离散类别分类。面部视频子集支持视觉-生理信号融合研究。通过提供音乐视频作为生态效度较高的情感诱发材料，数据集为开发自然交互场景下的情感感知系统、改进情感人工智能以及推动情感神经科学研究提供了宝贵资源。
数据集来源
该数据集采集 32 名参与者观看 40 个音乐视频时的 EEG、生理信号和面部视频，配有五维情感评分，刺激材料通过 last.fm 情感标签选择。由张家梁(Bob)整理并于2026年在7zcode平台公开发布。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-65
文件大小：2.7G
原创声明：本数据集为整理作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)