论文部分内容阅读
本文研究得到北京市教育委员会科技计划重点项目暨北京市自然科学基金重点项目(编号:KZ200810028016)“基于情绪认知模型的个性化数字教育关键技术研究”的资助。情绪信息处理是认知科学和人工智能研究一直关注但始终未能很好解决的问题。要使计算机具有更高的智能和更人性化的交互环境,其关键在于赋予计算机产生适应人类情感的能力。本文以人工心理理论为基础,利用文本信息、面部表情特征信息及语音识别信息,基于HMM基本概念和算法,尝试实现了一个具有情感反应功能的人机交互系统,并且研究了其在心理咨询专家系统中的应用。本文所作的主要工作和取得的成果如下:1.构建基于HMM的情感模型。在对HMM的概念和基本算法研究的基础上,通过隐马尔科夫模型的Baum-Welch算法实现了情感转移概率矩阵和某种心情状态下不同表情输出概率矢量的参数估计。在情感模型构建过程中,论文把情绪熵作为人类情绪稳定性的度量尺度。以情绪熵为约束条件之一,构建了情感模型的初始状态转移概率矩阵,为情感模型的性格形成提供了一种定量的计算方法。2.研究了情感模型在心理咨询专家系统中的应用。通过对文本信息、人脸表情特征信息以及语音信息的识别,提取出其中的情感信息,作为情感模型的外界刺激信号,通过建立的基于HMM的情感模型推测出情感信息,运用人工智能中的模糊理论,对推测出的情感信息进行量化,作为一个参考信息送入专家系统的知识库,为推理机的推理提供一个情感依据,可以更有效的指导咨询策略。本文基于这个思路对加入情感模型的心理咨询专家系统进行了设计。3.对建立的情感模型用MATLAB进行了模拟和分析,试验表明,在不同信号的外界刺激影响下,情感反应趋势以及情感熵和情绪熵的变化趋势都是符合人类情感变化规律的,说明这种情感建模方法是可行的,并对基于该模型的具有情感反应功能的人机交互系统进行了设计和功能测试。今后应该进一步探讨情感模型和心理咨询专家系统的结合点,在外界刺激信号的获取以及加入情感模型的心理咨询专家系统的实现上做更深入的研究。