基于PAD的個(gè)性化情感模型

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）

0 引言

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)圖靈獎獲得者，美國MIT的Minsky教授提出的。他在1985年的專著“The Society of Mind”中提出，問題不在于智能機(jī)器能否有情感，而在于沒有情感的機(jī)器能否實(shí)現(xiàn)智能［1］。美國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。無論情感計(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:對模糊情感并沒有很好地進(jìn)行描述;沒有很好地將性格與情感聯(lián)系起來;大多數(shù)模型都只是針對某一特定領(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。

1 情感建模研究進(jìn)展

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，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建模，并提出了情感熵的概念來對模型進(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，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 Kshirsagar的工作進(jìn)行了擴(kuò)展，引入PAD模型來描述心情，提出了 ALMA（alayered model affect）模型。2006年，Hernández，Noguez，Suear 等［10］將 OCC 模型與動態(tài)決策網(wǎng)絡(luò)相結(jié)合來建立情感模型，并將之成功用到了移動機(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描述心情，并采用非線性系統(tǒng)的狀態(tài)空間模型來模擬人類情感狀態(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)和有源場建立人工情感模型，利用粒子系統(tǒng)的運(yùn)動狀態(tài)來表示模型當(dāng)前的情感狀態(tài)。2010年，朱颯颯和王巍［14］將線性系統(tǒng)理論和數(shù)字信號處理方法應(yīng)用到情感信號與系統(tǒng)建模上，用信號表示人類的內(nèi)在情感和情緒。吳偉國、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)域的一些問題，但仍然存在以下幾方面的不足:對模糊情感并沒有很好地進(jìn)行描述;沒有很好地將性格與情感聯(lián)系起來;大多數(shù)模型都只是針對某一特定領(lǐng)域，缺乏通用性。所以本文提出了一種基于PAD的個(gè)性化情感模型來解決這些問題。

2 相關(guān)研究基礎(chǔ)

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。

2.1 FFM

在心理學(xué)界目前應(yīng)用較廣的用來描述個(gè)性的模型是 FFM［16］，其 5 個(gè)因子分別為:開放性（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

2.2 PAD模型

關(guān)于心情的概念，心理學(xué)界還沒有統(tǒng)一的定義，文獻(xiàn)［9］采用PAD模型［17］來描述心情。PAD模型具有愉悅度、激活度和優(yōu)勢度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)勢度，表示個(gè)體對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空間的對應(yīng)關(guān)系Tab.2 Corresponding relationship between the common basic emotions and the PAD space

2.3 狀態(tài)空間模型

對情感的描述，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。

為簡單起見，暫且假設(shè)基本情感僅包含最簡單的高興、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)一步簡化問題，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)，就是說情感在總的來看，應(yīng)是逐漸向原點(diǎn)過渡。

3）具有相互矛盾的情感狀態(tài)出現(xiàn)概率最小。

2.4 相關(guān)工作總結(jié)

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)角度對情感進(jìn)行了詮釋，利用3個(gè)相對獨(dú)立的維度來描述情感，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。對于性格描述來說，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)維度的空間來為個(gè)性建模，其對個(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。

3 模型建立

3.1 基本概念

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，指個(gè)體行為的內(nèi)部傾向性的心理特征［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)界還沒有統(tǒng)一的定義，文獻(xiàn)［9］采用PAD模型來描述心情。

基于此，心情空間采用PAD模型來描述。

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。

3.2 個(gè)性、心情及情感相互關(guān)系

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。基于這種思路，若能找到一種定量的關(guān)系將心情空間與Demotion聯(lián)系起來，則可建立起心情空間與情感空間的映射。

目前心理學(xué)界對心情與情感的概念并沒有達(dá)成共識。心情是一種比較持久而微弱的、影響人的整個(gè)精神活動的情緒狀態(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，對工程研究來說，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，通過心情影響情感的這種機(jī)制可通過如下的思路來實(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，d_emotionk為心情空間中Mmood與Eemotionmk的距離，若d_emotionk較小，則說明情感空間中節(jié)點(diǎn)j出現(xiàn)的概率較大，可通過在情感空間中減小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)編號的集合，Nodek為第k種基本情感所代表的節(jié)點(diǎn)編號集合。

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。

為簡單起見，假設(shè)情感空間僅包含最簡單的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，則說明被放大得越大，被縮小得越小，這樣心情空間經(jīng)過映射之后對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)過計(jì)算，θ與Δ的關(guān)系如圖3所示。

圖3 θ與Δ的對應(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的標(biāo)準(zhǔn)化因子。

4 仿真及分析

4.1 目的及設(shè)置

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)也以它為對比對象。

從認(rèn)知經(jīng)驗(yàn)出發(fā)，在沒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平靜，其狀態(tài)是有一定波動的，情感的未來狀態(tài)也是不確定的，但是又可以被“大概”猜測到。本著這樣的目的，對模型進(jìn)行仿真，來觀察情感的變化與上述特點(diǎn)的相似程度。然后通過計(jì)算Expectation來觀察模型是否體現(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，非常靠近基本情感的高興坐標(biāo)點(diǎn)［0.4，0.2，0.15］T，也就是說從根據(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、情感脆弱。

4.2 結(jié)果及分析

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)過短暫的振蕩之后就開始慢慢回落，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，只是波動的幅度降低了很多。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)，沒有考慮個(gè)性等因素的影響，因而3條坐標(biāo)軸是對稱的，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)值來衡量基本情感強(qiáng)度的大小，若大于0.156 9則說明基本情感強(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。

5 結(jié)束語

本文圍繞對情感空間的轉(zhuǎn)移概率矩陣的構(gòu)造，通過計(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)到通過心情影響情感的目的。通過仿真實(shí)驗(yàn)，可以直觀地看見心情對情感的影響效果，通過對基本情感強(qiáng)度的計(jì)算，也驗(yàn)證了這種效果，說明本文提出的心情空間對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，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.