全认知情感理论——一种新的心智计算模型

试图建立全认知情感理论的基础和框架体系。首先提出一种新的心智计算模型——多层次需求-认知-情感模型;在吸取信息与知识理论、情感动机-信息理论、马斯洛需求层次论和PAD三维情感理论的研究成果基础上,定义了不同时间节点的信息和情绪参量(先验、后验、实得和预期),重点分析了信息-情绪和知识-感情两层交互机制,对信息、知识的认知机理以及情绪、感情的生成机理进行分析,建立信息-情绪和知识-感情的交互机理模型,导出了相应的交互定理,揭示了人类丰富而复杂的认知-情感交互规律;依据基本情绪与PAD值的对应关系,分析了14种情绪PAD值的情感计算,包括情绪状态的形成及其迁移机制,分析了情绪状态从惊奇到喜悦的迁移过程,并用实例证明了全认知情感理论的应用。全认知情感理论是一种新的关于认知情感交互机理的学说。     

基于非线性状态空间模型的情感模型研究

如何赋予机器情感智力以实现和谐自然的人机交互是人工情感研究的核心内容,其中情感建模是研究重点和难点.基于心理学的基本情绪论和人格特质论提出了一种非线性情感模型.在模型中首先定义了情绪空间、心境空间和个性空间,确定了心境、个性对情绪的影响关系矩阵;其次采用非线性系统的状态空间模型来模拟人类情感状态的变化;最后对模型进行了仿真,仿真结果表明该模型体现了人类情绪的非线性特点,符合人类情感变化规律.     

基于Agent正面情绪变化的劝说及评价模型

Agent劝说在提高电子商务谈判自动化程度的同时也能相应提高其理性程度,因此受到广泛关注。Agent情绪变化则能影响劝说的进程和效果。对Agent劝说中的情绪变化进行分类;结合形式化理论,提出了基于Agent正面情绪变化的劝说模型,并对模型进行举例说明;为使该劝说模型有效,提出了Agent正面情绪变化度的概念;在此基础上,构建了相应的评价模型;最后通过算例对模型的有效性进行了验证。     

一种人工情绪模型及其电商计算实验应用

针对电子商务顾客购物人工系统的计算实验研究，提出一种基于状态类比假说的人工情绪模型，给出了情绪的产生、增强、衰落和消失过程的描述方法，研究了外部刺激、情感强度和内部驱动力的计算方法，并进行了模拟分析。基于此人工情绪模型，构建了电商顾客购物的情绪-行为影响关系模型；将其应用于电商顾客购物的计算实验分析。结果表明，该人工情绪模型能较好地应用于电商复杂人工系统顾客购物的计算实验。     

基于对称三角模糊集的股票投资者情绪传播模型

投资者情绪是股票市场中普遍存在的一种非理性行为, 是导致股票价格波动的重要因素. 本文采用模糊集合理论, 从微观视角下研究股票投资者情绪的传播过程. 采用对称三角模糊集合描述股票投资者思维的模糊性, 用模糊股价预期表示投资者情绪, 建立了股票投资者情绪的传播模型, 提出了三种基本的投资者情绪传播方式. 以股吧社区中的投资者情绪传播为例, 说明了所提出的股票投资者情绪传播模型的有效性.     

隐马尔可夫情感模型的复合情绪生成

情感模型的建立,是产生人工情感的一种途径,也是和谐人机交互的基础.针对现有的隐马尔可夫情感模型仅能产生基本情绪的问题,提出了一种改进的模型,使其能够产生复合情绪.首先,放宽已有理论的假设条件,使得某种刺激可以引发多种基本情绪,并且2种基本情绪状态的强度可以同时增大,提高了模型的普适性;其次在引入辅助矩阵和可变阈值后,实现了情感模型的复合情绪生成.通过仿真试验,验证了该模型的有效性.     

基于OCC模型和贝叶斯网络的情绪句分类方法

情绪句分类是情绪分析研究领域的核心问题之一,旨在解决情绪句类别的自动判断问题。传统基于情绪认知模型(OCC模型)的情绪句分类方法大多依赖词典和规则,在文本信息缺失的情况下分类精度不高。文中提出基于OCC模型和贝叶斯网络的情绪句分类方法,通过分析OCC模型的情绪生成规则,提取情绪评估变量并结合情绪句中含有的表情符号特征构建情绪分类贝叶斯网络;通过概率推理,可以实现句子级文本的情绪分类,并减小句中信息缺失所带来的影响。与NLPCC2014中文微博情绪分析评测的子任务情绪句分类评测结果的对比表明,所提方法具有有效性。     

融合异质网络与主题模型的方面分预测

针对传统方面分预测模型只考虑内容信息而缺乏对评论网络结构的分析,提出了融合异质信息网络和主题模型构建方面分预测算法（HINToAsp）。首先,从意见短语角度构建了评论主题挖掘模型（Phrase-PLSA）,有效整合评论信息和评分信息进行方面主题挖掘;进而,考虑用户、评论和商品之间的结构信息,提出了在"用户-评论-商品"异质信息网络上的主题传播模型模型,用于刻画用户特性、商品属性;最后,基于随机游走框架有效整合内容信息和结构信息,进行精准的方面分预测。通过在大众点评（Dianping）和TripAdvisor数据集上和四元组PLSA （QPLSA）、高斯分布的情绪评估（GRAOS）模型及情绪均衡主题模型（SATM）的准确度对比实验,证明了HINToAsp算法的有效性,可以更好地用于商品的推荐系统。     

基于社会网络的群体情绪模型

为了能够深入认识群体事件中群体情绪的演化过程,提出了基于社会人际关系的群体情绪模型构建方法。以小世界网络模型构建个体间社会关系,并通过引入情感关系参数表达现实生活中个体间的强情感、弱情感和陌生关系。基于Bosse等人提出的群体情绪模型,以社会网络作为情绪传播媒介对不同类别人际关系情境中群体情绪的演化态势进行了实验模拟,分析了近邻数K、重连概率P和情感关系R对群体情绪涌现所产生的影响。结果表明,情感关系越亲近、近邻数K越大,群体情绪最终的强度则越强烈,情绪涌现所需时间越短;重连概率P对群体情绪强度也有微弱影响,但作用并不十分显见。     

“情感软件人”模型研究

为丰富软件人的拟人特性，使软件人具有情感特色，本文提出一种情感软件人模型的总体架构。模型中考虑了认知在软件人的情绪及行为选择中的作用；用模糊形式描述软件人的情绪评估。为了描述软件人在相同情绪时，其触发原因相异而导致行为不同，软件人的行为模型采用“案例＋智能搜索”的模式，整个系统的实现采用Model—View—Controller（MVC）的设计模式。     

基于状态空间与概率空间映射的极大相似度匹配情感模型

机器人情感建模是研究情感机器人的热点问题。文中以情感心理学知识为基础,模拟具有不同个性的情感机器人在外界刺激作用下情感动态变化的过程,研究个性和外界刺激对情感转移过程的影响。采用基于状态空间的情感空间模型来描述机器人的情感状态,并用HMM过程来模拟情感状态的转移过程。但HMM过程只能求得当前情感状态的概率,为得到具体的情感状态,文中提出一种基于状态空间与概率空间映射的极大相似度匹配的情感转移模型。首先利用HMM过程计算出当前情感概率,然后通过极大相似度匹配来得到转移后具体的情感状态。通过调节模型参数来模拟不同个性和外界刺激,该模型能有效模拟情感状态变化过程。实验结果验证模型模拟的情感变化过程符合人类情感变化的一般规律。     

虚拟人情绪行为动画模型

近年来 ,虚拟人行为动画已经成为计算机动画一个新的分枝 ,已往的研究多集中在虚拟人局部的情绪表达动画方面 ,如脸部动画 ,而对于给定的虚拟场景 ,则尚未考虑情绪产生的原因 .情绪是虚拟人和虚拟环境交互作用的结果 ,然而在计算机动画领域 ,虚拟人的情绪至今尚未得到清楚的描述 .为此 ,依据心理学的理论 ,提出了虚拟人情绪行为的动画模型 ,即 ,首先提出了情绪集合和情绪表达集合的概念 ,并建立了从情绪状态到情绪表达之间的映射 ;其次 ,着重分析了情绪产生的原因 ,并引入了情绪源的概念 ,如果一种情绪刺激的强度大于情绪的抵抗强度 ,那么这种情绪就会产生 ;此外 ,情绪状态可以采用有限状态机来描述 ,据此提出了情绪的变化流程 ;最后 ,在微机上通过调用 Microsoft Direct3D API,实现了虚拟人的情绪行为动画     

一种虚拟角色的情绪认知评价模型

虚拟角色在电子教育、动漫游戏和电子商务等领域具有广泛的用途,目前的虚拟角色情绪设计仍然处于手工阶段,需要花费大量的人力成本且大多数虚拟角色行为简单,不能令人信服。本文基于心理学理论和OCC理论,建立虚拟角色的认知结构,给出虚拟角色的动机形式化描述。虚拟角色的情绪状态可由情绪决策产生式规则来驱动,情绪强度可通过模糊推理系统来计算。实验结果表明该情绪模型可以增强教育软件的界面友好性,使虚拟角色在行为上更加人性化。     

一种基于组合语义的文本情绪分析模型

文本情绪分析属于细颗粒度文本情感分析范畴.传统的基于 监督学习的方法,大多注重从表面词形提取特征,对语言的结构化特征 考虑较少,无法应对特征稀疏问题,也无法挖掘文本中隐含的深层语 言信息(包括词语搭配和语义韵).上述问题的存在导致现有系统 的分类性能不高,尤其对隐性文本情绪分类问题表现出较大的局限 性.本文尝试将基于依存句法的词语搭配特征和基于组合语义的深度 特征应用于文本情绪分类,提出了一种以短语为主要线索的半马 尔科夫条件随机场文本情绪分析模型.为了验证模型的有效性,利 用实际构建的相关实验语料,开展了相关实验研究.实验结果表 明,本文方法不仅可以显著提高文本情绪分类的准确率,而且对解 决隐性情感分析问题也具有重要作用.     

情感智能主体模型

为使智能主体能有效处理情感,具有更高的智能性,论文在传统BDI智能主体模型的基础上,首次提出了一种情感智能主体模型结构,该模型通过建立情感知识库实现情感表示,利用情感推理算法实现情感推理,从而完成简单情感的处理。模型已初步实现,应用结果表明该模型能有效实现简单情感处理。     

基于位置感知的情感可控对话生成模型研究

基于序列到序列的对话生成在实现情感状态转移时大多采用外部情感词嵌入的方式,编码器很难捕获解码器的情感状态,解码器被强制嵌入的外部情感词干扰,造成生成回复情感词堆叠及缺乏情感信息上下文.为解决上述问题,该文提出基于位置感知的情感可控对话生成模型.在编码的过程中,当前输入词向量和位置向量共同参与编码,在不影响当前输入的情况...     

基于三流DBN模型的听视觉情感识别

为更好地对听视觉情感信息之间的关联关系进行建模,提出一种三流混合动态贝叶斯网络情感识别模型(T_AsyDBN)。采用MFCC特征及基于基频和短时能量的局域韵律特征作为听觉输入流,在状态层同步。将面部几何特征和面部动作参数特征作为视觉输入流,与听觉输入流在状态层异步。实验结果表明,该模型优于有状态异步约束的听视觉双流DBN模型,6种情感的平均识别率从 52.14%提高到63.71%。     

E2E-CER:一种基于端到端的对话情感识别分类模型

人机对话中的情感识别对提升人机交互效率具有重要意义.当前,人机对话系统中的情感识别主要由特征提取和回归两步完成.但是,通常这两个步骤是相互独立的,目标并不一致,难以判断提取的特征是否为合适的情感特征.再者,在特征融合方面,传统方法仅将不同模态特征简单拼接,忽略了不同模态对分类结果影响的大小.针对以上问题,本文提出了一种端到端的对话情感识别模型E2E-CER,该模型将情感识别过程整合在一个统一的系统中.此外,还引入了基于注意力机制的多模态融合方法,提高了对上下文语境的学习能力,改善了动态特征融合效果.最后基于公共数据集IEMOCAP进行情了感分类识别实验,实验结果显示,同对话情感识别基线相比,所提模型表现明显高于平均水平,表明其在情感识别上的有效性.     

基于人工智能的情感模型建立

以OCC情感模型和心理学家Ekman的情感分类两大理论为基础，建立了一个机器人情感模型．本模型通过设计一系列通用型参数，来达到模型适用于多种环境的目的，例如虚拟游戏人物、智能玩具．此外，还引入了情感空间设计，并在情感空间中设计了一系列情感点，可以通过移动情感点或者修改情感点区域的大小，来达到改变情感模型性格特征的目的．