人机交互中情绪自发转移的个体差异性

人机自然交互需要情感模型。在情绪状态自发转移马尔科夫模型中,针对参数的调整能否给个体情绪差异带来影响、带来影响有多大等有关个体情绪区分聚类的问题,提出基于度量多元尺度分析理论的个体人工情绪差异性研究方法。通过不相似度矩阵计算内积矩阵,再应用主成分因素分析法,便可得到个体属性重构矩阵,在低维上展现个体情绪差异。实验结果可用来指导模型参数的选取,并且,对此结果的一部分也进行数学验证。     

基于深度学习的对话情绪生成研究综述

情绪生成是人工情感计算研究中的子任务,在对话系统中情绪生成任务旨在生成待回复话语中的情绪类别。对话情绪生成可以推动对话情绪理解和对话表达研究,同时在智能闲聊机器人、情绪安慰、推荐系统和人机情感交互等诸多智能化领域具有重要的理论意义和实际应用价值。得益于深度神经网络在自然语言处理领域的优异表现,基于深度学习的对话系统情绪生成受到越来越多研究人员的关注。总结目前基于深度学习的对话情绪生成相关工作,现阶段利用深度学习的对话系统情绪生成相关研究主要包含三方面内容：情绪感知、情绪预测和情绪决策。简要介绍了一些常用的情绪对话数据集,最后对该任务当前问题进行了归纳概况并展望未来发展趋势。     

基于人工情绪的智能情感网络教学系统研究

针时传统智能网络教学系统在情感教学方面的缺陷，基于人工情绪技术提出了一种Web环境下的智能情感网络教学系统结构．该系统由学习情绪模型、情绪教学模型、认知教学模型和学生模型等主要模块所构成，可以获取和识别每个学生的学习表情，并能够根据不同学生的学习情绪和学习效果，实现认知和情感相互协调的个性化教学．     

面向微博的社会情绪词典构建及情绪分析方法研究

该文旨在探索一种面向微博的社会情绪词典构建方法,并将其应用于社会公共事件的情绪分析中。首先通过手工方法建立小规模的基准情绪词典,然后利用深度学习工具Word2vec对社会热点事件的微博语料通过增量式学习方法来扩展基准词典,并结合HowNet词典匹配和人工筛选生成最终的情绪词典。接下来,分别利用基于情绪词典和基于SVM的情绪方法对实验标注语料进行情绪分析,结果对比分析表明基于词典的情绪分析方法优于基于SVM的情绪分析方法,前者的平均准确率和召回率比后者分别高13.9%和1.5%。最后运用所构建的情绪词典对热点公共事件进行情绪分析,实验结果表明该方法是有效的。     

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.     

学习情绪研究在远程教学系统中的应用探索

将学习情绪的研究应用到远程教学系统中.针对传统智能教学系统在情感方面的缺陷,介绍了远程教学系统的设计,智能教学系统的模型.该系统主要由情绪模型、认知模型、交互模型、教师模型和学生模型等主要模块构成.概括论述了人脸检测和面部表情识别的一般方法,人机情感交互系统过程和情感模型的建立流程.综合OCC情绪模型和具有反向情绪的二维情绪模型提出了一种新的适合学习情绪研究的情感建模方法,实现远程教学中认知和情感的交互.     

虚拟人动机驱动的自主情绪模型研究

模拟虚拟人的各种情绪计算模型在很多领域具有重要意义,一个可信的虚拟人不仅要有3维几何形状,而且也要具有自主的情绪。基于已有的情绪模型研究,建立了一种新的基于动机驱动的自主情绪模型。根据心理学和认知科学,提出了虚拟人的认知结构,该结构集成了知觉、情绪、心境、个性和行为。构建了内部动机和外部刺激的一种形式化描述,基本情绪强度可以采用这种模型来计算,而情绪状态是各种基本情绪状态的合成。为了实现情绪的自适应,提出了情绪的增强学习方法。在微机上实现了一个包含虚拟人的3维虚拟场景,这种新的情绪模型能够使虚拟人的自主情绪表现更加可信,实验结果表明了该方法是有效的。     

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.     

基于情绪感染的赛场观众情绪建模

为了使虚拟观众的行为表现更加真实可信,提出了基于情绪感染的赛场观众情绪模型的构建方法.根据对影响观众情绪的赛场因素分析,构建了以赛事刺激、情绪感染、情绪衰减为核心的观众情绪强度计算方法.该方法不仅考虑了观众作为个体接受赛事刺激所具有的情绪特征,更从群体中一员的角度,分析了观众互动对个体情绪演化所产生的影响.以足球观众为例,对足球赛事过程中观众的不同情绪体验进行了模拟实验,实验结果表明,该模型基本能够体现日常生活中赛场观众因赛事刺激所做出的情绪反应和观众互动对个体情绪所产生的影响.     

基于行为的人工生命情绪理论模型研究

基于智能的行为选择机制不能满足实现人工生命自主性行为选择的要求.根据情绪是行为活动的组织者的一般心理学理论,情绪就成为解决该问题的一个有效途径.但是,心理学情绪研究结果,尚不能满足实际研究的需要.通过理论分析和实验仿真方法对情绪物理属性,情绪与行为之间关系进行深入研究.通过情绪四维模型与阶跃响应的特征类比分析.获得描述情绪物理属性的阶跃模型,揭示负性情绪相对于正情绪具有反应时间短,存在"超调"特性.根据获得的情绪与行为之间因果关系,建立情绪三维模型,阐明情绪是对认知和行为结果感知的生命机制.通过引入情绪,解决液体压力模型存在的异质性和动机强度与当前环境状态无关两个问题,建立自主性情绪行为机制模型.通过设计人工生态系统进行仿真实验,证明了上述思想的正确性.     

基于生成对抗网络的情感对话回复生成

近年来,随着神经网络技术和自然语言处理技术的不断深入发展,基于深度神经网络的对话生成研究取得了突破性的进展,使得人机对话系统广泛应用于生活中,提供便利,比如电商客服、语音助手等。然而,现有的模型倾向于产生一般的回答,普遍缺乏情感因素。针对该问题,提出了一种基于生成对抗网络的情感对话内容生成模型——EC-GAN（emotional conversation generative adversarial network）,通过结合多指标奖励与情感编辑约束产生更有意义和可定制的情感回复。对于生成器,使用Seq2Seq模型生成回复,接受判别器的奖励,引导生成句子的回复,提高多样性和情感丰富度;对于判别器,使用双判别器、内容判别器可以确定回复是否属于通用回复,情感判别器判别生成语句的情感与指定的情感类别的一致性,并将判别结果反馈到生成器,指导回复生成。注意观察输入与回复之间的情感变化,验证交互情感的共鸣度存在的方向性。在NLPCC 2017 Shared Task 4——emotional conversation generation的实验表明,模型不仅可以提高回复的流畅性和多样性,同时也显著提高了情感丰富度。     

基于多通道的B2C电子商务交互模型

在B2C电子商务中,一个有效的人机交互模型是吸引用户参与的重要手段。提出一个基于多通道信息的电子商务交互模型,将视觉、听觉及WIMP等多个信息通道结合起来,利用虚拟现实技术,通过使用虚拟的购物环境、顾客替身、导购员及商品的三维展示等来增强用户的购物体验     

基于心理能量思想的人工情感模型

从人工情感建模的需要出发,根据动力心理学关于心理能量的理论,提出了情感能量的概念以及基于情感能量的情感状态的数学描述方法,建立了情感状态的能量分布描述空间和情感状态的概率描述空间。在此基础上,进一步分析了情绪状态的变化过程,并提出了情绪状态自发转移过程的马尔可夫链模型以及情绪状态刺激转移过程的隐马尔可夫模型。     

面向中文歌词的音乐情感分类方法

情感是音乐最重要的语义信息,音乐情感分类广泛应用于音乐检索,音乐推荐和音乐治疗等领域.传统的音乐情感分类大都是基于音频的,但基于现在的技术水平,很难从音频中提取出语义相关的音频特征.歌词文本中蕴含着一些情感信息,结合歌词进行音乐情感分类可以进一步提高分类性能.本文将面向中文歌词进行研究,构建一部合理的音乐情感词典是歌词情感分析的前提和基础,因此基于Word2Vec构建音乐领域的中文情感词典,并基于情感词加权和词性进行中文音乐情感分析.本文首先以VA情感模型为基础构建情感词表,采用Word2Vec中词语相似度计算的思想扩展情感词表,构建中文音乐情感词典,词典中包含每个词的情感类别和情感权值.然后,依照该词典获取情感词权值,构建基于TF-IDF （Term Frequency-Inverse Document Frequency）和词性的歌词文本的特征向量,最终实现音乐情感分类.实验结果表明所构建的音乐情感词典更适用于音乐领域,同时在构造特征向量时考虑词性的影响也可以提高准确率.     

How the Kano model contributes to Kansei engineering in services

Recent studies show that products and services hold great appeal if they are attractively designed to elicit emotional feelings from customers. Kansei engineering (KE) has good potential to provide a competitive advantage to those able to read and translate customer affect and emotion in actual product and services. This study introduces an integrative framework of the Kano model and KE, applied to services. The Kano model was used and inserted into KE to exhibit the relationship between service attribute performance and customer emotional response. Essentially, the Kano model categorises service attribute quality into three major groups (must-be [M], one-dimensional [O] and attractive [A]). The findings of a case study that involved 100 tourists who stayed in luxury 4- and 5-star hotels are presented. As a practical matter, this research provides insight on which service attributes deserve more attention with regard to their significant impact on customer emotional needs.

Statement of Relevance: Apart from cognitive evaluation, emotions and hedonism play a big role in service encounters. Through a focus on delighting qualities of service attributes, this research enables service providers and managers to establish the extent to which they prioritise their improvement efforts and to always satisfy their customer emotions beyond expectation.     

基于Q学习算法的情感交互可计算模型研究

情感本身不能交互,但可以通过它的载体(如人或Agent)进行交互。利用该特点,提出一种基于Q学习算法的情感交互可计算模型。定义情感元的概念,情感元之间的交互实际上是情感Agent之间的交互,采用Q学习算法得到情感元的交互结果,构建齐次Markov链的情感元之间的交互模型,并通过实验结果验证了情感的多变性与复杂性。     

Applying virtual reality for trust-building e-commerce environments

The application of virtual reality in e-commerce has enormous potential for transforming online shopping into a real-world equivalent. However, the growing research interest focuses on virtual reality technology adoption for the development of e-commerce environments without addressing social and behavioral facets of online shopping such as trust. At the same time, trust is a critical success factor for e-commerce and remains an open issue as to how it can be accomplished within an online store. This paper shows that the use of virtual reality for online shopping environments offers an advanced customer experience compared to conventional web stores and enables the formation of customer trust. The paper presents a prototype virtual shopping mall environment, designed on principles derived by an empirically tested model for building trust in e-commerce. The environment is evaluated with an empirical study providing evidence and explaining that a virtual reality shopping environment would be preferred by customers over a conventional web store and would facilitate the assessment of the e-vendor’s trustworthiness.     

基于SVM的语音情感识别算法

为有效提高语音情感识别系统的识别正确率,提出一种基于SVM的语音情感识别算法.该算法提取语音信号的能量、基音频率及共振峰等参数作为情感特征,采用SVM(Support Vector Machine,支持向量机)方法对情感信号进行建模与识别.在仿真环境下的情感识别实验中,所提算法相比较人工神经网络的ACON(All Cl...     

基于知识库的客户网购意向预测系统

电子商务网站所产生的海量客户网购行为数据中蕴含着丰富的反映客户网购行为规律的知识。这些知识是进行客户网购意向预测以及在此基础上进一步进行商品推荐的重要依据。基于Hadoop框架构建了“客户购买意向预测系统”,实现了利用隐含在交易数据中的知识对正在浏览中的电商客户的购买意向预测。在基于知识图谱技术构建网购客户购买行为知识库的基础上,利用FP-Growth算法和数据统计方法实现了以增量方式从购买者的交易数据中获取反映用户购买规律的知识,并将取得的知识融合到知识库中。系统能够利用存储于知识库中的知识在客户进行网上购物的过程中对其购买意向进行分析和预测,从而达到提高电子商务平台的运营效率,改善客户购物体验的目的。     

Online shopping viewed from a habit and value perspective

In this article, we study e-commerce customer behaviour towards online shops. The theoretical model is based on Triandis' behavioural framework. Prior value research has mostly focused on users' attitudes towards online shopping. We explore the role of perceived value and habit in e-commerce behaviour. Structure equation results suggest that the utilitarian as well as the hedonic values have a significant impact on affect, and indirectly also on e-commerce behaviour. We also assessed the importance of habit on shoppers' online behaviour. According to our results, online shoppers' habitual behaviour has a significant impact on affect. We also found that normative beliefs (social factors) are the preceding factor of habit in cases in which the shopping experience is not recurrent.