软件人个体模型研究

多智能体技术、智能机器人和人工生命技术都是人工智能研究领域的一个分支,已取得了一定的研究成果。在此基础上我们提出了软件人的概念、状态描述,并设计了软件人的结构模型。最后,对软件人的功能特性进行了描述。     

“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。     

情感机器人的情感模型研究

本文建立了仿人类情感的情感模型,在情感模型中建立了三维情感空间,采用马尔可夫过程来描述情感状态的变化转移过程,并提出了性格矩阵,对比分析了不同性格人对相同刺激的反应.应用D-S证据理论融合来自视觉、声音及其他方面的情感信息,分析两种因素同时作用时引起情感状态的转移规律.最后将情感模型应用于情感机器人系统,使机器人可以根据外界刺激产生情感,并做出相应的表情.实验结果证明了情感模型的有效性.     

基于OCC的Agent情感模型研究

Agent不仅要具有逻辑推理能力,还应当具有类似人类的情感能力。通过对情感理论的分析,提出了一个基于OCC的Agent情感模型,使Agent能够模拟像人类一样的认知能力和情感能力,从而行为决策更加智能。通过模型在虚拟环境角色中的应用结果,验证了此模型的合理性。     

一种基于情感和个性的Agent注意控制模型

对注意资源的合理管理,以及在适当的时机进行注意切换是Agent的一项重要机能。现有的注意控制方法侧重于强调智能的认知方面,较少考虑智能的情感方面。该文提出一种基于情感和个性的注意控制模型,对情感机制和认知系统进行有机集成,以管理Agent的注意资源和切换注意等。仿真结果验证了模型的有效性,同时在情感机制有效调节下,Agent的行为表现出了不同的个性。     

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．     

文本情感分类中生成式情感模型的发展

描述了生成式模型的概念及它在文本情感分类领域的发展,分析了生成式情感模型的分类,着重研究了不同生成式情感模型之间的关联性,并对生成式模型中最有代表性的三类模型进行了介绍,最后对生成式情感模型发展以及未来趋势进行了总结.     

情感主体形式模型

为使主体能够有效处理情感,具有更高的智能性,本文提出一种情感主体的形式化描述模型.分3个层次,给出情感主体心智状态、情感主体心智状态更新、以及情感主体模型的形式化定义.并通过对基本情感的更新过程的公理推导,说明了该模型能够充分体现情感主体的本质特征和运行机制,有较强的表达能力和扩展能力,为构建支持情感推理的情感规则库提供理论依据.然后对情感更新过程进行直观描述,并给出情感主体的体系结构.仿真实验表明,情感主体能够合理产生情感反应并作出更优智能决策,从而验证该模型的有效性.     

家庭服务机器人情感计算模型的研究

根据基本情感理论建立了家庭服务机器人的情感状态概率空间模型,并应用马尔可夫链的特性,建立了基于隐马尔可夫模型的情感计算模型.详细地阐述了该情感计算模型中各参数的意义以及估算方法.通过仿真实验验证了该情感计算模型可以较好地模拟情感状态的自发转移,以及在外部刺激作用下的情感转移.通过对实验数据分析,发现机器人的情感经外部刺激作用或者自发演变,最终趋于稳定状态,这个稳定状态与情感转移概率矩阵有关,而与机器人所处的初始情感状态无关.     

应用于机器人的情感模型研究

引入一种新的情感建模方法--基于灰色系统理论的情感建模.首先抽象出影响机器人情感生成的各主要因素,并给出情感机器人系统的MAS结构,最后构造出情感模型并在现有的机器人平台中进行了实现.实验表明,基于GM(1, N)的情感模型能够很好地模仿人类简单情感的生成.情感机器人属于个人机器人范畴,所以情感模型的建立体现了个性化的特点.     

基于情绪感染的虚拟个体情绪模型

研究情绪感染对于群体情境中个体情绪变化、行为选择与决策的研究有着十分重要的意义.为了使虚拟个体在群体环境中行为更真实可信,提出以社会心理学基本理论为研究基础,采用群体环境中个体情绪模型的构建方法.依据情绪感染机制的研究成果,从群体环境中人员个性、个体关注度、群体规模三方面反映群体环境中个体情绪的变化过程,提出了个体情绪强度、情绪感染程度及情绪衰减的计算方法.通过仿真分析,表明所提出的模型是合理的,在适用范围上相比较于其它模型更加广泛.     

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。     

情感等级BDI主体模型研究

信念、愿望和意图(BDI)模型是近年来影响最为深远的主体技术之一。文中把命题动态逻辑和无穷值的ukasiewicz逻辑进行融合后对情感等级BDI主体模型进行了形式化。为通过信念度、愿望度、意图度、害怕度、焦虑度和自信度对不确定性行为进行表示和推理,把相应的公理添加到ukasiewicz逻辑中。文中的情感等级BDI主体模型的行为是通过添加具体条件的每种背景的不同测度来决定,清晰地表示主体的心理状态和情感状态的不确定性。文中对情感等级BDI模型进行公理化,并说明它们对主体行为的影响。此模型可较轻易地向包括其它心理状态和情感状态的主体进行推广。文中在给出情感等级BDI模型的语言、语义及公理和演绎规则后,证明此逻辑系统的可靠性和完全性。随后给出情感等级BDI主体模型的不同背景之间的相互关系,并对该主体的买房行动进行实例分析。本研究立足于不确定性的表示和推理,旨在为分布式人工智能提供形式支持。     

基于策略的软件人授权模型研究

扩展了大多数现有Agent平台所依赖的Java授权语义,总结出包括正向授权在内的五种授权机制,并且设计了适应软件人应用场景的新的权限类型,通过对比优选出适合软件人策略表示的方案,最后提出了一种具有高扩展性和灵活性的基于策略的软件人授权模型。     

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     

基于策略的软件人授权模型研究*

扩展了大多数现有Agent平台所依赖的Java授权语义,总结出包括正向授权在内的五种授权机制,并且设计了适应软件人应用场景的新的权限类型,通过对比优选出适合软件人策略表示的方案,最后提出了一种具有高扩展性和灵活性的基于策略的软件人授权模型。     

基于自定义空间和OCC模型的情绪建模研究

人类不仅具有逻辑推理的能力,而且具有情感控制、表达的能力。通常使用计算机对人类的能力进行模拟,在人工智能赋予计算机逻辑推理能力之后,如何赋予计算机情绪成为一个重要的研究问题。该文就是以人工心理和基本的情绪理论为基础,在三维情绪空间中将个性和OCC模型相结合,建立了一个情绪模型。并将此模型作为情感核心,尝试实现了一个虚拟软件人。这个情感虚拟软件人不仅具有学习、记忆能力,而且具有情感交互能力。     

基于PAD情感模型的可训练语音合成研究

情感语音合成是情感计算和语音信号处理研究的热点之一,进行准确的语音情感分析是合成高质量情感语音的前提.文中采用PAD情感模型作为情感分析量化模型,对情感语料库中的语音进行情感分析和聚类,获得各情感PAD参数模型.由HMM语音合成系统合成的情感语音,通过PAD模型进行参数修正,使得合成语音的情感参数更加准确,从而提高情感语音合成的质量.实验表明该方法能较好地提高合成语音的自然度和情感清晰度,在同性别不同说话人中也能达到较好的性能.     

基于语义分析的情感计算技术研究进展

随着机器学习和大数据技术的应用发展,基于语义分析的情感计算与分析技术在研究人类的感知、注意力、记忆、决策、社会交流等诸多方面起着重大作用,它不仅影响到了人工智能技术的发展,还影响到了人/机交互的方式,并受到学术界以及企业界的广泛关注.本文在针对情感定义以及相关90多种情感模型分析的基础上,归纳并提出了目前情感分析领域中存在的6项关键性问题与挑战,其中主要包括：情感的来源与本质特征的表示问题;多模态条件下的情感计算问题;外部因素对情感演化过程的影响度量问题;情感的个性化度量问题;情感群体化特征与传播动力学机制问题以及细微情感的表达、算法改进与优化等问题.同时,本文针对其中的关键问题与技术挑战进行了理论探讨、技术分析、实际应用以及当前工作进展与趋势分析,从而为深入研究和解决基于语义分析条件下的情感计算提供了新的研究线索与方向.