音乐视频情感评估与用户调查数据集MusicVideoEmotionAssessmentandUserSurveyDataset-aviralsrivastava1710
数据来源：互联网公开数据
标签：情感分析, 音乐视频, 用户调查, 情绪识别, 心理学, 多模态数据, 机器学习, 行为分析
数据概述：
该数据集包含来自音乐视频的情感评估和用户调查数据，记录了用户对不同音乐视频的情感反应、主观评价以及人口统计学信息。主要特征如下：
时间跨度：数据未明确标注时间范围，可视为一次实验或多个实验的集合。
地理范围：数据未限定具体地理位置，可能来源于全球范围内的用户。
数据维度：数据集包含以下主要数据项：
online_ratings.csv：在线用户对音乐视频的情感评分，包括Valence（愉悦度）、Arousal（唤醒度）、Dominance（支配度）、Wheel_slice（情感轮分片）、Wheel_strength（情感轮强度）。
video_list.csv：音乐视频的元数据，包括Online_id（视频唯一标识）、Experiment_id（实验标识）、Lastfm_tag（音乐风格标签）、Artist（艺术家）、Title（标题）、Youtube_link（YouTube链接）、Highlight_start（高光片段开始时间）、Num_ratings（评分数量）、VAQ_Estimate（情感估计值）、VAQ_Online（在线情感值）、AVG_Valence（平均愉悦度）、STD_Valence（愉悦度标准差）、Q1_Valence（愉悦度第一四分位数）、Q2_Valence（愉悦度中位数）、Q3_Valence（愉悦度第三四分位数）、AVG_Arousal（平均唤醒度）、STD_Arousal（唤醒度标准差）、Q1_Arousal（唤醒度第一四分位数）、Q2_Arousal（唤醒度中位数）、Q3_Arousal（唤醒度第三四分位数）、AVG_Dominance（平均支配度）、STD_Dominance（支配度标准差）、Q1_Dominance（支配度第一四分位数）、Q2_Dominance（支配度中位数）、Q3_Dominance（支配度第三四分位数）。
participant_ratings.csv：参与者对音乐视频的评分，包括Participant_id（参与者ID）、Trial（试验）、Experiment_id（实验标识）、Start_time（开始时间）、Valence（愉悦度）、Arousal（唤醒度）、Dominance（支配度）、Liking（喜好程度）、Familiarity（熟悉程度）。
participant_questionnaire.csv：参与者的人口统计学信息和生活习惯，包括Participant_id（参与者ID）、Age（年龄）、Gender（性别）、Handedness（惯用手）、Vision（视力）、Vision Aid（视力辅助）、Education（教育程度）、Alcohol consumption（饮酒情况）、Coffee consumption（咖啡摄入）、Black/Green tea consumption（茶摄入）、Tobacco consumption（吸烟情况）、Other drug/medication consumption (optional)（其他药物摄入，可选）、Other drug consumption (optional)（其他药物摄入，可选）、Attention/Neurological/Psychiatric syndroms（注意力/神经/精神疾病）、Hours of sleep last night（昨晚睡眠时长）、Normal hours of sleep（正常睡眠时长）、Level of Alertness（警觉程度）、Consent to distribute physiological recordings（是否同意发布生理数据）、Consent to publish audio-visual recordings（是否同意发布音视频）、Head circumference (cm)（头围）、Distance Nasion-Inion (cm)（颅骨测量距离）、Distance left - right jaw hinge (cm)（下颌测量距离）。
数据格式：CSV格式，便于数据分析和处理。
数据用途概述：
该数据集具有广泛的应用潜力，特别适用于以下场景：
研究与分析：适用于心理学、音乐学、人机交互等领域的学术研究，例如情感识别、音乐与情绪的关系、用户偏好分析等。
行业应用：可为音乐推荐系统、情绪感知技术、广告营销等行业提供数据支持，例如个性化音乐推荐、情绪驱动的广告投放等。
决策支持：支持产品设计、用户体验优化等方面的决策制定，例如根据用户情绪调整产品界面和功能。
教育和培训：可作为心理学、数据科学、人工智能等课程的实训素材，帮助学生理解情感分析、用户行为分析等相关知识。
此数据集特别适合用于探索音乐视频与用户情感之间的关系，以及不同个体特征对情感反应的影响，帮助用户实现情感识别模型的构建、个性化推荐系统的优化等目标。
