情感状态转移的时序建模技术：从HMM到神经ODE的演进？ 热门官方

回答：情感状态转移时序建模用于描述情感随时间的演化规律，技术演进：①HMM阶段（1990s-2010s）：用隐马尔可夫模型建模情感状态的离散转移（如“平静→愤怒→平静”的转移概率），优点是计算简单、可解释性强，缺点是假设状态转移是马尔可夫的（当前状态仅依赖前一状态），难以处理长时依赖；②RNN/LSTM阶段（2010s-2018）：用循环神经网络捕捉长时时序依赖，如LSTM-EmotionTraj模型在情感轨迹预测任务上的均方误差（MSE）较HMM降低30%，但仍存在梯度消失问题；③神经ODE阶段（2018至今）：用神经常微分方程（Neural ODE）建模情感的连续动态演化（如情感强度随时间的微分变化