个性化情感建模方法的研究

情感是人类智能一个不可分割的部分,它在人的感知、推理、决策、计划、创造以及社交等诸多活动中起着不可或缺的作用。情感计算的研究重点就在于创建一个能感知、识别和理解人类情感的智能计算系统。使机器具有情感是一项很有挑战性的研究,因为情感是一个随机的变化过程,受很多因素的影响。要实现具有情感的智能系统,首先要建立一个合适的计算模型来描述情感。那么,如何来建立这个模型呢?这就是情感建模要研究的内容。 目前,情感建模的研究还处于初级阶段,但已取得了较大的成果,一些相关模型已被建立起来。根据建模的主要依据不同将这些模型分为三类:基于认知的情感模型、基于概率的情感模型以及其他情感模型。由于情感建模涉及到计算机科学、认知科学、心理学、行为学、生理学等众多学科领域,以及人类情感固有的复杂性和模糊性,这三类情感模型虽然能够解决一些问题,但难免存在一些缺点和不足。基于认知的情感模型最典型的是OCC模型,OCC提供了一个基于规则的情感导出机制,可以有效地通过计算机进行模拟;但是这个模型仅仅考虑了情感本身的认知因素产生机制,没有考虑情感的非认知性因素,基于这些不足,不少改进模型被提了出来,但仍没有彻底的解决这些问题。基于概率的模型最典型的是HMM(隐马尔科夫)模型,但HMM模型仅仅是从概率的角度来模拟情感,没有考虑情感产生的认知和非认知因素,导致对于相同的刺激,其感知结果是确定的;不少学者努力对HMM模型进行了改进,但都不能从根本上解决这个问题。其他情感模型典型代表的就是基于维度的情感空间描述模型和多层情感模型。基于维度的情感模型通过假设少量的离散情感以及小范围的情感变化幅度来描述情感,简化了情感处理,但由于没有考虑影响情感的非认知因素,缺点还是比较明显;Kshirsagar S.提出的“性格—心情—情感—表情”多层情感模型是第一个将性格和情感相联系的模型,但是对心情的处理比较模糊,不适合描述人类复杂的心情,从而不能很好将人类的性格与情感联系起来,也就缺乏了应用的通用性。 为此,本文从基于维度的情感空间出发,融入性格因素,引入情感产生的认知和非认知因素,将情感的性格影响分量、前一时刻情感衰减后的分量、情感间的相互影响分量、外界的刺激强度以及情感的激活阈值有机的结合到一起,建立了基于强度的个性化情感模型。这个模型克服了OCC模型和基于维度的情感模型忽视非认知因素的缺点,弥补了HMM模型仅仅从概率上处理情感的缺陷,克服了多层情感模型通用性不强和“性格—心情—情感”处理模糊性的缺点。这个个性化的情感模型的建立对于情感计算、人工心理学及智能人机交互等研究领域都具有很大的学术价值和现实意义。 为了验证本文提出的个性化情感模型的可用性和有效性,设计实现了一个基于此情感模型的情感预测系统。经过50个志愿者的测试,实验取得了很好的结果。通过与一个对比实验进行结果比较分析,发现本文的个性化情感模型具有明显优越性。