基于动态贝叶斯网络的人机交互过程参与度评估方法

在人机交互过程中,基于动态贝叶斯网络与领域专家知识,提出一种参与度评估方法,重点解决训练样本不足的问题．首先,对人机交互过程中的社会信号与动态贝叶斯网络的推理过程进行了描述,并建立了参与度评估模型的拓扑结构;然后,针对基于数据驱动模型参数化的局限性,通过设计语言变量集来收集专家建议,并对这些建议进行模糊化以及解模糊处理,完成了评估模型的构建;最后,通过机器人平台NAO并设计交互场景对评估模型进行了验证．实验表明,参与度评估结果与交互对象的实际行为相一致,能够使机器人在人机交互过程中正确识别出交互对象的参与意图．与已有的参与度评估方法相比,所提出的方法不受训练样本的限制,具有较高的实用价值和较强的泛化能力．