情緒識別是識別人類情緒的過程。人們在識別他人情緒方面的準確性差異很大。使用技術幫助人們進行情緒識別是一個相對較新的研究領域。通常，如果該技術在上下文中使用多種模式，則效果最佳。迄今為止，大部分工作都是在自動識別視頻中的面部表情、音頻中的口語表達、文本中的書面表達以及通過可穿戴設備測量的生理學方面進行的。

人類在識別情緒的能力上表現出很大的可變性。在學習自動情緒識別時要記住的一個關鍵點是，有幾個“基本事實”的來源，或關于真實情緒的真相。假設我們試圖識別亞歷克斯的情緒。一個消息來源是“大多數人會說亞歷克斯的感受是什么？”在這種情況下，“真相”可能與亞歷克斯的感受不相符，但可能與大多數人所說的亞歷克斯的感受相符。例如，亞歷克斯實際上可能會感到悲傷，但他會露出燦爛的笑容，然后大多數人說他看起來很開心。如果自動化方法獲得了與一組觀察者相同的結果，則它可能被認為是準確的，即使它實際上并沒有衡量亞歷克斯的真實感受。“真相”的另一個來源是問亞歷克斯他的真實感受。如果Alex對他的內部狀態有很好的了解，并且想告訴您它是什么，并且能夠將其準確地轉化為文字或數字，那么這將起作用。然而，有些人是述情障礙，對自己的內在感受沒有很好的感覺，或者無法用文字和數字準確地傳達它們。一般來說，要了解實際存在的情緒的真相可能需要一些工作，可能會因選擇的標準而異，并且通常會涉及保持一定程度的不確定性。或者他們無法用文字和數字準確地傳達它們。一般來說，要了解實際存在的情緒的真相可能需要一些工作，可能會因選擇的標準而異，并且通常會涉及保持一定程度的不確定性。或者他們無法用文字和數字準確地傳達它們。一般而言，了解實際存在的情緒的真相可能需要一些工作，可能會因選擇的標準而異，并且通常涉及保持一定程度的不確定性。

如果通過組合不同的對象（包括文本（對話）、音頻、視頻和生理學）來應用多種模態來檢測情緒，則情緒識別可能會獲得最佳結果。

當文本數據在人類生活中隨處可用且免費時，文本數據是情感識別的有利研究對象。與其他類型的數據相比，由于語言中單詞和字符的頻繁重復，文本數據的存儲更輕，易于壓縮到最佳性能。情感可以從兩種基本的文本形式中提取：書面文本和對話（對話）。對于書面文本，許多學者專注于從句子層面提取代表情感的“詞/短語”。

與文本中的情感識別不同，語音信號用于識別以從音頻中提取情感。

視頻數據是音頻數據、圖像數據和有時文本（在字幕的情況下）的組合。

對話中的情緒識別(ERC)從社交平臺（如Facebook、Twitter、YouTube等）的海量對話數據中提取參與者之間的意見。ERC可以采用文本、音頻、視頻或組合形式等輸入數據來檢測多種情緒，如恐懼、欲望、痛苦和愉悅。