楊 勇,張志瑜
(重慶郵電大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)研究所,重慶 400065)
讓計(jì)算機(jī)具有情感能力,首先是由人工智能創(chuàng)始人之一,1970年計(jì)算機(jī)圖靈獎(jiǎng)獲得者,美國(guó)MIT的Minsky教授提出的。他在1985年的專著“The Society of Mind”中提出,問(wèn)題不在于智能機(jī)器能否有情感,而在于沒(méi)有情感的機(jī)器能否實(shí)現(xiàn)智能[1]。美國(guó)MIT實(shí)驗(yàn)室的Picard教授[2]于1995年提出情感計(jì)算的概念,并在其專著“Affective Computing”中指出“情感計(jì)算是關(guān)于、產(chǎn)生于、或故意影響情感方面的計(jì)算”。1999年,北京科技大學(xué)王志良教授[3]提出了人工心理理論,研究人的情感、意志、性格、創(chuàng)造等心理活動(dòng)。無(wú)論情感計(jì)算還是人工心理理論,情感建模都是他們研究的一個(gè)核心問(wèn)題。
盡管目前有很多關(guān)于情感的模型出現(xiàn),但在實(shí)際應(yīng)用中仍然存在一些限制和不足:對(duì)模糊情感并沒(méi)有很好地進(jìn)行描述;沒(méi)有很好地將性格與情感聯(lián)系起來(lái);大多數(shù)模型都只是針對(duì)某一特定領(lǐng)域,缺乏通用性。本文利用FFM(five-factormodel)構(gòu)造個(gè)性空間、PAD(pleasure-arousal-dominance)模型構(gòu)造心情空間、狀態(tài)空間模型構(gòu)建情感空間,定量描述了個(gè)性、心情及情感三者之間的關(guān)系。通過(guò)仿真實(shí)驗(yàn)驗(yàn)證,該情感模型能較為準(zhǔn)確地描述人類情感變化規(guī)律。
1988年,Ortony,Clore和 Collins等[4]從情感產(chǎn)生的認(rèn)知角度,根據(jù)Event,Agent和Object3個(gè)方面的評(píng)價(jià)標(biāo)準(zhǔn)將情感分為22種狀態(tài),提出了著名的OCC(ortony clore collins)模型。該模型是早期對(duì)于人類情感研究提出的最完整模型之一,也易于在計(jì)算機(jī)上實(shí)現(xiàn),其后,基于OCC的很多改進(jìn)模型被提了出來(lái),如 1992 年 Elliott[5]提出的 Affective Reasoner。1995 年 MIT 的 Picard 教授[2]提出將 HMM(hidden markov model)運(yùn)用到情感建模中,北京科技大學(xué)的王志良教授等[6]對(duì)HMM模型做了更加深入的研究,取得了較大成果。2002年,魏哲華[7]提出了狀態(tài)空間法的情感建模,該模型基于情感的范疇觀理論來(lái)建模,并提出了情感熵的概念來(lái)對(duì)模型進(jìn)行度量。Kshirsagar和 Thalmann[8]提出“性格-心情-情感-表情”多層情感模型,很好地將人的性格與情感聯(lián)系了起來(lái),并且成功地應(yīng)用到了虛擬人的面部表情合成中。2005年 Gebhard[9]對(duì) Kshirsagar的工作進(jìn)行了擴(kuò)展,引入PAD模型來(lái)描述心情,提出了 ALMA(alayered model affect)模型。2006年,Hernández,Noguez,Suear 等[10]將 OCC 模型與動(dòng)態(tài)決策網(wǎng)絡(luò)相結(jié)合來(lái)建立情感模型,并將之成功用到了移動(dòng)機(jī)器人的ITS(intelligent tutoring system)中。2007年,滕少冬、王志良、王莉等[11]根據(jù)動(dòng)力心理學(xué)關(guān)于心理能量的理論,提出情感能量的概念以及基于情感能量的情感狀態(tài)的數(shù)學(xué)描述方法,建立了情感狀態(tài)的能量分布描述空間和情感狀態(tài)的概率描述空間。2008年,孟秀艷和王志良[12]參考PAD模型定義了二維的心境空間來(lái)描述心情,并采用非線性系統(tǒng)的狀態(tài)空間模型來(lái)模擬人類情感狀態(tài)的變化。2009年,胡博超、陳海山[13]以O(shè)CC為基礎(chǔ),首次結(jié)合粒子系統(tǒng)和有源場(chǎng)建立人工情感模型,利用粒子系統(tǒng)的運(yùn)動(dòng)狀態(tài)來(lái)表示模型當(dāng)前的情感狀態(tài)。2010年,朱颯颯和王?。?4]將線性系統(tǒng)理論和數(shù)字信號(hào)處理方法應(yīng)用到情感信號(hào)與系統(tǒng)建模上,用信號(hào)表示人類的內(nèi)在情感和情緒。吳偉國(guó)、孟慶梅和曲建俊[15]提出基于擴(kuò)展有限狀態(tài)機(jī)建立人工情感模型的方法。
盡管情感建模的研究已經(jīng)取得了較大的成就,上述模型也能夠在一定程度上解決特定領(lǐng)域的一些問(wèn)題,但仍然存在以下幾方面的不足:對(duì)模糊情感并沒(méi)有很好地進(jìn)行描述;沒(méi)有很好地將性格與情感聯(lián)系起來(lái);大多數(shù)模型都只是針對(duì)某一特定領(lǐng)域,缺乏通用性。所以本文提出了一種基于PAD的個(gè)性化情感模型來(lái)解決這些問(wèn)題。
情感建模主要以現(xiàn)有心理學(xué)成果及人工心理學(xué)理論為基礎(chǔ),因此相關(guān)的基礎(chǔ)研究是必要的。
在心理學(xué)界目前應(yīng)用較廣的用來(lái)描述個(gè)性的模型是 FFM[16],其 5 個(gè)因子分別為:開(kāi)放性(openness)、責(zé)任性(conscientiousness)、外向性(extraversion)、宜人性(agreeableness)、神經(jīng)質(zhì)(neuroticism)。各個(gè)特質(zhì)的描述如表1所示。
表1 五因素模型的描述Tab.1 Description of the five-factormodel
關(guān)于心情的概念,心理學(xué)界還沒(méi)有統(tǒng)一的定義,文獻(xiàn)[9]采用PAD模型[17]來(lái)描述心情。PAD模型具有愉悅度、激活度和優(yōu)勢(shì)度3個(gè)維度。P代表愉悅度,表示個(gè)體情感狀態(tài)的正負(fù)特性;A代表激活度,表示個(gè)體的神經(jīng)生理激活水平;D代表優(yōu)勢(shì)度,表示個(gè)體對(duì)情景和他人的控制狀態(tài)。各維度上的數(shù)值范圍為[-1,+1],-1表示在此維度上的值最低,而+1表示在此維度上的值最高。
幾種基本情感的PAD值[9]如表2所示。
表2 幾種基本情感與PAD空間的對(duì)應(yīng)關(guān)系Tab.2 Corresponding relationship between the common basic emotions and the PAD space
對(duì)情感的描述,不同的科學(xué)家有不同的解釋,文獻(xiàn)[7]采用狀態(tài)空間模型來(lái)構(gòu)造情感空間,該模型基于情感的范疇觀理論。情感的范疇觀理論認(rèn)為,存在幾種相互獨(dú)立的基本情感,其線性組合構(gòu)成了人的全部情感。Ekman[18]把基本情感分為6類,即高興、憤怒、恐懼、厭惡、悲傷、驚奇,此方法在心理學(xué)界和工程界占有主體地位。
為簡(jiǎn)單起見(jiàn),暫且假設(shè)基本情感僅包含最簡(jiǎn)單的高興、憤怒和恐懼3種。
如圖1所示,3個(gè)維度的基本情感構(gòu)成了一個(gè)三維情感空間,為進(jìn)一步簡(jiǎn)化問(wèn)題,情感狀態(tài)的每一個(gè)維度僅取0,0.5,1 3個(gè)數(shù)值,代表在這個(gè)維度上的強(qiáng)度值,于是就構(gòu)成了一個(gè)具有27個(gè)狀態(tài)點(diǎn)的情感空間,情感的活動(dòng)就成為在這個(gè)封閉情感空間的各狀態(tài)點(diǎn)的馬爾可夫轉(zhuǎn)移過(guò)程。
如果推廣到一般,假設(shè)基本情感具有m種,每種基本情感可以劃分為n個(gè)級(jí)別,于是情感空間就具有nm個(gè)情感狀態(tài),令l=nm,于是得到l維的馬爾可夫概率轉(zhuǎn)移矩陣Pemotion為
(1)式中,pi,j為第i個(gè)情感狀態(tài)到第j個(gè)情感狀態(tài)的轉(zhuǎn)移概率,并且滿足如下關(guān)系
至此,就構(gòu)建了情感變化的概率性模型,這樣的情感空間把每個(gè)情感狀態(tài)點(diǎn)都細(xì)分為不同的強(qiáng)度,并且情感狀態(tài)點(diǎn)在情感空間中的相隔距離遠(yuǎn)近影響到其轉(zhuǎn)移概率大小。
為了整體評(píng)判情感模型的表現(xiàn),文獻(xiàn)[7]借用信息熵的概念,定義情感熵為
(3)式中:Entropy為情感模型的情感熵;pi為第i種情感狀態(tài)出現(xiàn)的概率。情感熵越大,則情感空間中向某一種情感變化的傾向越小;情感熵越小,則情感空間中向某一種情感變化的傾向越大。因此,情感熵表征了情感空間描述的情感復(fù)雜的程度,情感熵越大,情感越復(fù)雜,反之則越簡(jiǎn)單。
構(gòu)造情感空間時(shí),不僅要考慮情感熵,文獻(xiàn)[7]還從對(duì)現(xiàn)實(shí)生活的觀察,總結(jié)出以下3點(diǎn)概率分布方面的約束。
1)某一時(shí)刻情感空間里的某一情感狀態(tài),在下一時(shí)刻仍然處于原狀態(tài)的概率是最大的,到其他情感狀態(tài)的概率隨距離的遠(yuǎn)離而單調(diào)下降。
2)在沒(méi)有外界干擾的情況下,原點(diǎn)附近應(yīng)是情感狀態(tài)的平穩(wěn)點(diǎn),就是說(shuō)情感在總的來(lái)看,應(yīng)是逐漸向原點(diǎn)過(guò)渡。
3)具有相互矛盾的情感狀態(tài)出現(xiàn)概率最小。
狀態(tài)空間模型的優(yōu)點(diǎn)是可以很有效地描述模糊情感,但是其缺點(diǎn)是,該模型實(shí)質(zhì)上是一個(gè)封閉的模型,它割裂了性格同情感之間的聯(lián)系,并不能反映人類真實(shí)的情感變化。PAD模型則從另一個(gè)角度對(duì)情感進(jìn)行了詮釋,利用3個(gè)相對(duì)獨(dú)立的維度來(lái)描述情感,它的優(yōu)點(diǎn)是能有效地區(qū)分某些其他模型不太容易區(qū)分的情感狀態(tài),但是它的缺點(diǎn)是各個(gè)維度的意義比較抽象,不太適合于直接描述人類顯性的情感。對(duì)于性格描述來(lái)說(shuō),目前應(yīng)用比較廣泛的FFM則是一個(gè)很好的選擇,它利用5個(gè)維度的空間來(lái)為個(gè)性建模,其對(duì)個(gè)性較好的描述使其成為了一個(gè)比較成熟的個(gè)性模型。
本文所建立的模型設(shè)計(jì)到個(gè)性、心情、情感三者的關(guān)系,因此先給出相關(guān)概念及量化處理方法,并提出基本情感強(qiáng)度的概念來(lái)描述情感的狀態(tài)。
3.1.1 個(gè)性空間
個(gè)性即性格,是心理學(xué)中的一個(gè)重要概念,指?jìng)€(gè)體行為的內(nèi)部?jī)A向性的心理特征[19],包含了一個(gè)人區(qū)別于他人的、穩(wěn)定而統(tǒng)一的心理品質(zhì),對(duì)人的情感產(chǎn)生、變化有著很大的影響。在本文中,人的個(gè)性被認(rèn)為是恒定不變的。
個(gè)性空間采用FFM來(lái)構(gòu)造。
個(gè)性向量表示為一個(gè)5維向量。
3.1.2 心情空間
關(guān)于心情的概念,心理學(xué)界還沒(méi)有統(tǒng)一的定義,文獻(xiàn)[9]采用PAD模型來(lái)描述心情。
基于此,心情空間采用PAD模型來(lái)描述。
定義心情向量為一個(gè)3維向量
3.1.3 情感空間
情感是人對(duì)客觀事物的態(tài)度的體驗(yàn)[20],是人的需要是否獲得滿足的反映。情感空間采用狀態(tài)空間模型來(lái)構(gòu)造,假設(shè)基本情感具有m種,每種基本情感可以劃分為n個(gè)級(jí)別,于是情感空間就具有nm個(gè)節(jié)點(diǎn),即nm個(gè)情感狀態(tài)。
3.1.4 基本情感強(qiáng)度
為方便討論,令l=nm。假設(shè)情感空間中第j個(gè) 節(jié) 點(diǎn) 的 坐 標(biāo) 為該節(jié)點(diǎn)出現(xiàn)的概率為pj。則所有節(jié)點(diǎn)坐標(biāo)在第i個(gè)維度上的分量可表示為一個(gè)向量 [vi,1,vi,2,…,vi,l],由于第i個(gè)維度對(duì)應(yīng)于第i種基本情感,因此該向量表示的是情感在節(jié)點(diǎn)間轉(zhuǎn)移時(shí),第i種基本情感的強(qiáng)度變化。在轉(zhuǎn)移概率矩陣保持不變的一個(gè)相對(duì)較短的時(shí)間內(nèi),該基本情感的強(qiáng)度可借鑒數(shù)學(xué)期望的概念,用一種平均強(qiáng)度來(lái)描述。
因此,定義基本情感強(qiáng)度為
(4)式中,Expectationi為情感空間中第i種基本情感的強(qiáng)度,它表征的是第i種基本情感的平均強(qiáng)度值,值越大,則該基本情感越強(qiáng)烈,反之,則越不強(qiáng)烈。
情感的變化是在個(gè)性、心情共同作用下的結(jié)果,并且心情受個(gè)性的影響,因此先給出個(gè)性與心情之間的關(guān)系,接著提出一種新的心情與情感之間的映射關(guān)系。
3.2.1 個(gè)性空間與心情空間的映射
個(gè)性是一個(gè)5維空間,心情是一個(gè)3維空間,為此建立個(gè)性與心情的映射關(guān)系為[21]
(5)式中:P,A,D分別代表Pleasure,Arousal,Dominance;O,C,E,A,N分別代表Openness,Conscientiousness,Extraversion,Agreeableness,Neuroticism。
定義為個(gè)性與心情映射矩陣。
3.2.2 心情空間與情感空間的映射
定義情感空間中歐式距離矩陣為
(7)式中,di,j,i=1,2,…,l為情感空間中第i個(gè)節(jié)點(diǎn)到第j個(gè)節(jié)點(diǎn)的歐式距離。它表征2個(gè)情感狀態(tài)間轉(zhuǎn)移概率的大小,若2個(gè)節(jié)點(diǎn)距離越遠(yuǎn),則情感狀態(tài)在2個(gè)節(jié)點(diǎn)間轉(zhuǎn)移的概率越低;反之則越高。
定義情感空間中狀態(tài)轉(zhuǎn)移概率矩陣為
(8)式中,pi,j為情感空間中第i個(gè)節(jié)點(diǎn)到第j個(gè)節(jié)點(diǎn)的轉(zhuǎn)移概率。并且滿足如下關(guān)系
假設(shè)一個(gè)節(jié)點(diǎn)到另一節(jié)點(diǎn)的轉(zhuǎn)移概率反比于它們之間的歐式距離,即
(10)式中,Ci是常數(shù),i∈ {1,2,…,l}。聯(lián)立式和式即可求出pi,j,于是便可構(gòu)造出Pemotion。情感空間的轉(zhuǎn)移概率矩陣Pemotion由Demotion唯一確定,若改變Demotion的值,則也可相應(yīng)地改變Pemotion,情感空間也就相應(yīng)地改變了?;谶@種思路,若能找到一種定量的關(guān)系將心情空間與Demotion聯(lián)系起來(lái),則可建立起心情空間與情感空間的映射。
目前心理學(xué)界對(duì)心情與情感的概念并沒(méi)有達(dá)成共識(shí)。心情是一種比較持久而微弱的、影響人的整個(gè)精神活動(dòng)的情緒狀態(tài),而情感也是一種情緒狀態(tài),所以從心理體驗(yàn)上講,心情與情感是一致的,二者僅僅是在激活度上有所不同[22]。因此,對(duì)工程研究來(lái)說(shuō),可以假設(shè)心情空間與情感空間所描述的情緒狀態(tài)空間是等價(jià)的,只是描述的方式不同。于是,若情感空間有m維,即存在m種基本情感,則心情空間也對(duì)應(yīng)地存在m個(gè)基本情感點(diǎn)。為敘述方便,設(shè)情感空間中的基本情感為 Eemotionek,(k=1,2,…,m),心情空間中對(duì)應(yīng)的基本情感點(diǎn)為Eemotionmk,(k=1,2,…,m)。若心情空間中Mmood與Eemotionmk的距離較近,則情感空間中應(yīng)較易出現(xiàn)Emotionek所代表的情感;反之,則較不易出現(xiàn)。
因此,如圖2所示,通過(guò)心情影響情感的這種機(jī)制可通過(guò)如下的思路來(lái)實(shí)現(xiàn):設(shè)j為情感空間中代表Eemotionek這種情感狀態(tài)的節(jié)點(diǎn)編號(hào),d_emotionk為心情空間中Mmood與Eemotionmk的距離,若d_emotionk較小,則說(shuō)明情感空間中節(jié)點(diǎn)j出現(xiàn)的概率較大,可通過(guò)在情感空間中減小di,j,(i=1,2,…,l),也就是(7)式中矩陣中某一列所有的元素來(lái)增大pi,j,(i=1,2,…,l),即(8)式中矩陣中某一列所有的元素,從而增大了pj,pj為情感空間中第j個(gè)節(jié)點(diǎn)出現(xiàn)的概率;反之亦然。
圖2 心情影響情感的機(jī)制Fig.2 Mechanism ofmood affecting emotional
按照這種思路,首先需要計(jì)算在心情空間中Mmood與Eemotionmk的距離,而心情空間是用PAD模型來(lái)描述的,因此需要計(jì)算在PAD空間中Mmood與Eemotionmk的距離。PAD空間中幾種常見(jiàn)基本情感的向量坐標(biāo)在表2中已經(jīng)給出。
由于基本情感共有m個(gè),因此求得的PAD空間距離為m維向量,設(shè)為x=(x1,x2,…,xm)。為了達(dá)到改變pi,j,(i=1,2,…,l)的目的,需要將di,j,(i=1,2,…,l)乘上一個(gè)系數(shù),設(shè)為距離疊加因子。設(shè)距離疊加因子為z=(z1,z2,…,zm)。為準(zhǔn)確地構(gòu)造情感空間并符合認(rèn)知規(guī)律,zk,(k=1,2,…,m)的取值以及疊加過(guò)程應(yīng)滿足以下條件。
1)由于zk是作為乘法系數(shù)疊加到歐式距離之上,于是zk≥0;當(dāng)zk=0時(shí)會(huì)出現(xiàn)情感空間中某節(jié)點(diǎn)到不同節(jié)點(diǎn)的距離均為0的情況,于是zk≠0。因此,zk>0。
2)當(dāng)PAD空間中Mmood到所有基本情感點(diǎn)的距離均相等時(shí),心情對(duì)情感的附加影響應(yīng)該在各個(gè)方向上都抵消了,因此,當(dāng)x1=x2=…=xm時(shí),z1=z2=…=zm=1。
3)坐標(biāo)軸上的節(jié)點(diǎn)情感狀態(tài)可以明確地確定基本情感狀態(tài)歸屬,其受心情影響的程度也易于確定,而非坐標(biāo)軸上的節(jié)點(diǎn)則屬于復(fù)合情感狀態(tài),不能將其歸屬到任何一個(gè)基本情感狀態(tài)中,因而其受到心情影響的具體程度不好界定。所以本模型中不對(duì)非坐標(biāo)軸上的節(jié)點(diǎn)概率做直接處理,于是情感空間中需要被改變出現(xiàn)概率的節(jié)點(diǎn)都出現(xiàn)在坐標(biāo)軸上。但由于二者概率總和為1,因而非坐標(biāo)軸上的節(jié)點(diǎn)概率相當(dāng)于是被間接處理了。
4)di,j中,具體每個(gè)值的大小怎么改變是構(gòu)建模型的關(guān)鍵,也是實(shí)現(xiàn)心情影響情感這種機(jī)制的關(guān)鍵。若?zk>1,則被改變的di,j均是被增大了,導(dǎo)致的結(jié)果就是非坐標(biāo)軸上的節(jié)點(diǎn)概率間接地被全部增大了,這明顯不符合認(rèn)知規(guī)律,所以不能出現(xiàn)?zk>1這種情況;同樣的,也不能出現(xiàn)?zk<1這種情況。
根據(jù)以上條件,zk的求取過(guò)程如下。
1)設(shè)有 x=(x1,x2,…,xm),建立映射f1為
2)設(shè)有 y=(y1,y2,…,ym),建立映射f2為
(12)式中:θ為標(biāo)準(zhǔn)化因子;zk即為距離疊加因子。
zk的疊加方法如下。
定義情感空間中新的距離矩陣為
(13)式中,di,j*,i=1,2,…,l為情感空間中第i個(gè)節(jié)點(diǎn)到第j個(gè)節(jié)點(diǎn)的新歐式距離。
設(shè)有z=(z1,z2,…,zm),則定義
(14)式中:i∈Node;j∈Nodek;k=1,2,…,m。Node為情感空間中所有節(jié)點(diǎn)編號(hào)的集合,Nodek為第k種基本情感所代表的節(jié)點(diǎn)編號(hào)集合。
根據(jù)Demotion*即可構(gòu)造出新的情感空間。
3.2.3 標(biāo)準(zhǔn)化因子的選取
(12)式中引入了標(biāo)準(zhǔn)化因子θ,它的選取對(duì)z=(z1,z2,…,zm)是否較好地保持了 x=(x1,x2,…,xm)的數(shù)字特征影響很大。
為簡(jiǎn)單起見(jiàn),假設(shè)情感空間僅包含最簡(jiǎn)單的3種情感:高興、憤怒和恐懼,即m=3,于是x=(x1,x2,x3),z=(z1,z2,z3)。
定義下面3個(gè)比值
R0,S0,T0越接近1,則說(shuō)明 z=(z1,z2,z3)越好地保持了x=(x1,x2,x3)的比例關(guān)系。由于z=(z1,z2,z3)的上下限有了限制,完美地保持是不可能的,但可使R0,S0,T0盡可能地靠在1的附近。
假設(shè)θ為常量,一組個(gè)性向量Ppersonality對(duì)應(yīng)一組(R0,S0,T0),若 Ppersonality所有可能的值有 η 個(gè),則相應(yīng)地應(yīng)得到 3 個(gè) η 維向量 R=(R1,R2,…,Rη),S=(S1,S2,…,Sη)和 T=(T1,T2,…,Tη)。
因此,定義
此外,還應(yīng)考慮到,(12)式中zk的值域?yàn)椋é龋?,θ),由于zk是作為乘法系數(shù)疊加的,那么最大放大倍率與最小放大倍率的比值就是θ2,這個(gè)值越大,則說(shuō)明被放大得越大,被縮小得越小,這樣心情空間經(jīng)過(guò)映射之后對(duì)情感空間的影響越明顯,也就是映射效果越好。
綜合上述2點(diǎn)考慮,定義
(17)式中,Δ為選擇因子。當(dāng)γ和λ越小,并且θ2越大,則Δ越小;反之則越大。因此Δ表征的是γ,λ和θ這3個(gè)值的綜合選取效果,Δ越小,則γ,λ和θ這3個(gè)值選取得越好。本文討論的重點(diǎn)是關(guān)于θ的取值,因此關(guān)于γ,λ的取值在本文中不做重點(diǎn)討論。
經(jīng)過(guò)計(jì)算,θ與Δ的關(guān)系如圖3所示。
圖3 θ與Δ的對(duì)應(yīng)關(guān)系Fig.3 Corresponding relationship betweenθandΔ
當(dāng)Δ取最小值時(shí),θ=3.4,因而這便是選擇出來(lái)的標(biāo)準(zhǔn)化因子。
本文模型中情感空間的構(gòu)造是以狀態(tài)空間模型為基礎(chǔ)的,因而仿真實(shí)驗(yàn)也以它為對(duì)比對(duì)象。
從認(rèn)知經(jīng)驗(yàn)出發(fā),在沒(méi)有外界干擾的情況下,情感的狀態(tài)是趨于平靜的,然而情感又不可能絕對(duì)平靜,其狀態(tài)是有一定波動(dòng)的,情感的未來(lái)狀態(tài)也是不確定的,但是又可以被“大概”猜測(cè)到。本著這樣的目的,對(duì)模型進(jìn)行仿真,來(lái)觀察情感的變化與上述特點(diǎn)的相似程度。然后通過(guò)計(jì)算Expectation來(lái)觀察模型是否體現(xiàn)了個(gè)性因素的影響。
2個(gè)模型的實(shí)驗(yàn)參數(shù)均設(shè)定為維度3,刻度數(shù)5。初始時(shí)刻節(jié)點(diǎn)位于離原點(diǎn)最遠(yuǎn)的節(jié)點(diǎn)上。本文模型還需設(shè)定個(gè)性向量,共設(shè)置2組向量,以比較在不同個(gè)性下本文模型是否能準(zhǔn)確描述人類情感變化。第 1 組個(gè)性向量為 [0.5,0.9,0.1,0.6,0.1],此時(shí)心情向量為[0.394 0,0.198 0,0.146 0]T,非??拷厩楦械母吲d坐標(biāo)點(diǎn)[0.4,0.2,0.15]T,也就是說(shuō)從根據(jù)認(rèn)知經(jīng)驗(yàn),此時(shí)情感應(yīng)處在非常高興的狀態(tài)下。第 2 組個(gè)性向量為 [0.3,0.3,0.1,0.2,0.8],這種人性格表現(xiàn)為時(shí)常焦慮、沖動(dòng)、情感脆弱。
圖4為狀態(tài)空間模型仿真結(jié)果,圖5為本文模型第1組個(gè)性仿真結(jié)果,圖6為第2組仿真結(jié)果。
從圖5與圖6中可以看出,情感狀態(tài)從最初的最后1個(gè)節(jié)點(diǎn),經(jīng)過(guò)短暫的振蕩之后就開(kāi)始慢慢回落,最后回落到原點(diǎn)附近,也就是情感最后慢慢地恢復(fù)了平靜。盡管情感最后回落到了原點(diǎn)附近,但是仍然有一定的波動(dòng),只是波動(dòng)的幅度降低了很多。仿真結(jié)果表明,在本文構(gòu)造的情感模型中,情感的變化很接近前面所說(shuō)的情感變化的特點(diǎn),因而其是能夠有效描述人類情感變化規(guī)律的。
表3為3次仿真統(tǒng)計(jì)結(jié)果。
表3 仿真統(tǒng)計(jì)結(jié)果Tab.3 Statistical results of simulations
從統(tǒng)計(jì)結(jié)果可以看出,在狀態(tài)空間模型中,Expectation1=Expectation2=Expectation3,這是因?yàn)闋顟B(tài)空間模型是個(gè)封閉的系統(tǒng),沒(méi)有考慮個(gè)性等因素的影響,因而3條坐標(biāo)軸是對(duì)稱的,導(dǎo)致出現(xiàn)基本情感強(qiáng)度相等。此時(shí)的情感屬于中性狀態(tài),因而0.156 9可作為一個(gè)標(biāo)準(zhǔn)值來(lái)衡量基本情感強(qiáng)度的大小,若大于0.156 9則說(shuō)明基本情感強(qiáng)度較大,該情感較為強(qiáng)烈,反之則較弱。
在本文模型仿真中,第1組結(jié)果中,Expectation1≥0.156 9,Expectation2≤ 0.156 9,Expectation3≤0.156 9,說(shuō)明高興的情感非常強(qiáng)烈,而憤怒和恐懼的情感則非常弱,也就是說(shuō)此時(shí)的情感狀態(tài)為非常高興、不憤怒、不恐懼,跟前文中從認(rèn)知經(jīng)驗(yàn)上得到的結(jié)果吻合。
第 2組結(jié)果中,Expectation1≤ 0.156 9,Expectation2≈0.156 9 ,Expectation3>0.156 9 ,則說(shuō)明這個(gè)人基本上不高興,但有點(diǎn)憤怒,比較恐懼,基本上符合條件設(shè)定的人物性格。
狀態(tài)空間模型的Entropy比本文模型2組的結(jié)果都要大,這是由于本文模型加入了個(gè)性的因素,導(dǎo)致情感空間的某些情感狀態(tài)的出現(xiàn)或不出現(xiàn)具有了明顯的傾向性,從而使得Entropy減小了。這次實(shí)驗(yàn)充分表明本文模型能較好地描述具有個(gè)性的真實(shí)人類情感變化規(guī)律。
本文圍繞對(duì)情感空間的轉(zhuǎn)移概率矩陣的構(gòu)造,通過(guò)計(jì)算心情空間中心情與基本情感的距離,并以此為基礎(chǔ)來(lái)修正情感空間的轉(zhuǎn)移概率矩陣,定量地計(jì)算心情與情感之間的關(guān)系,以達(dá)到通過(guò)心情影響情感的目的。通過(guò)仿真實(shí)驗(yàn),可以直觀地看見(jiàn)心情對(duì)情感的影響效果,通過(guò)對(duì)基本情感強(qiáng)度的計(jì)算,也驗(yàn)證了這種效果,說(shuō)明本文提出的心情空間對(duì)情感空間的映射符合人類情感的變化規(guī)律。盡管該模型研究了心情與情感的聯(lián)系,為情感的變化提供了依據(jù),但是其仍然是人類自身內(nèi)部的刺激影響,沒(méi)能研究情感在受到外部刺激下的變化,這一點(diǎn)值得在今后的工作中進(jìn)一步改進(jìn)。
[1] MINSKY M L.The Society ofMind[M].New York:Simon and Schuster,1985.
[2]PICARD R W.Affective Computing[M].Cambridge,Massachusetts:MIT Press,1997.
[3]王志良.人工心理學(xué)——關(guān)于更接近人腦工作模式的科學(xué)[J].北京科技大學(xué)學(xué)報(bào),2000,22(5):478-481.
WANG Zhi-liang.Artificial Psychology——A most Accessible Science Research to Human Brain[J].Journal of University of Science and Technology Beijing,2000,22(5):478-481.
[4] ORTONY A,CLORE G L,COLLINS A.The cognitive structure of emotions[M].Cambridge:Cambridge University Press,1988.
[5]ELLIOTT C.The affective reasoner:a processmodel of emotions in amulti-agent system [D].Evanston:Northwestern University,1992.
[6]王玉潔,王志良,陳峰軍,等.基于隱馬爾可夫模型的情感建模[J].北京農(nóng)學(xué)院學(xué)報(bào),2005,20(1):61-64.
WANG Yu-jie,WANG Zhi-liang,CHEN Feng-jun,et al.Affective Modeling Based on Hidden Markov Model[J].Journal of Beijing Agricultural College,2005,20(1):61-64.
[7]魏哲華.基于人工心理理論的情感機(jī)器人的情感計(jì)算研究[D].北京:北京科技大學(xué),2002.
WEIZhe-h(huán)ua.Research on Affective Computing of Affective Robot Based on the Theory of Artificial Psychology[D].Beijing:University of Science and Technology Beijing,2002.
[8] KSHIRSAGAR S,THALMANN N M.A Multilayer Personality Model[C]//Proceedings of the 2nd International Symposium on Smart Graphics.New York,USA:ACM,2002:107-115.
[9] GEBHARD P.ALMA-A Layered Model of Affect[C]//AAMAS'05.Utrecht,Netherlands:ACM,2005:29-36.
[10] HERNáNDEZ Y,NOGUEZ J,SUCAR E,eta1.Incorporating an Affective Model to an Intelligent Tutor for Mobile Robotics[C]//36th ASEE/IEEE Frontiers in Education Conference.San Diego,CA:IEEE Press,2006:22-27.
[11]滕少冬,王志良,王莉,等.基于心理能量思想的人工情感模型[J].計(jì)算機(jī)工程與應(yīng)用,2007,43(3):1-4.
TENG Shao-dong,WANG Zhi-liang,WANG Li,et al.Artificial Emotion Model Based on Psychology Energy Idea[J].Computer Engineering and Applications,2007,43(3):1-4.
[12]孟秀艷,王志良.基于非線性狀態(tài)空間模型的情感模型研究[J].計(jì)算機(jī)科學(xué),2008,35(12):178-182.
MENG Xiu-yan,WANG Zhi-liang.Research on Emotion-model Based on Nonlinear State Space Model[J].Computer Science,2008,35(12):178-182.
[13]胡博超,陳海山.基于粒子系統(tǒng)和有源場(chǎng)的情感建模研究[J].心智與計(jì)算,2009,3(1):036-044.
HU Bo-chao,CHEN Hai-shan.Research of Emotion Model Based on Particle System and Active Field[J].Mind and Computation,2009 3(1):036-044.
[14]朱颯颯,王巍.基于信號(hào)和OCC表示的情感模型研究[J].信息技術(shù),2010,(10):155-157.
ZHU Sa-sa,WANG Wei.Research of Emotional Model Based on the Signal and OCC [J].Information Technology,2010,(10):155-157.
[15]吳偉國(guó),孟慶梅,曲建俊.情感建模方法研究[J].哈爾濱工業(yè)大學(xué)學(xué)報(bào),2010,42(9):1388-1393.
WU Wei-guo,MENG Qing-mei,QU Jian-jun.Research on Emotion Modeling[J].Journal of Harbin Institute of Technology,2010,42(9):1388-1393.
[16] WIGGINSJS.The five-factormodel of personality:theoretical perspective[M].New York:Guilford Press,1996.
[17] MEHRABIAN A.Pleasure-Arousal-Dominance:a general framework for describing and measuring individual differences in temperament[J].Current Psychology,1996,14(4):261-292.
[18] EKMAN P.An argument for basic emotions[J].Cognition and Emotion,1992,6(3-4):169-200.
[19]BERNSTEIN D A,PENNER D A,STEWART A C,et al.Psychology(8th edition)[M].Boston:Houghton Miffin Company,1997.
[20]孟昭蘭.普通心理學(xué)[M].北京:北京大學(xué)出版社,1992.
MENG Zhao-lan.Normal Psychology[M].Beijing:Peking University Press,1992.
[21] MEHRABIAN A.Analysis of the big-five personality factors in term of the PAD temperamentmode[J].Australian journal of Psychology[J].1996,48(2):86-92.
[22] VELáSQUEZ JD.Modeling emotions and other motivations in synthetic agents [C].AAAI-97.Menlo Park:Citeseer,1997:10-15.