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.     

基于社会网络的群体情绪模型

为了能够深入认识群体事件中群体情绪的演化过程,提出了基于社会人际关系的群体情绪模型构建方法。以小世界网络模型构建个体间社会关系,并通过引入情感关系参数表达现实生活中个体间的强情感、弱情感和陌生关系。基于Bosse等人提出的群体情绪模型,以社会网络作为情绪传播媒介对不同类别人际关系情境中群体情绪的演化态势进行了实验模拟,分析了近邻数K、重连概率P和情感关系R对群体情绪涌现所产生的影响。结果表明,情感关系越亲近、近邻数K越大,群体情绪最终的强度则越强烈,情绪涌现所需时间越短;重连概率P对群体情绪强度也有微弱影响,但作用并不十分显见。     

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。     

基于个性化情绪感染的人群动画生成方法

当前基于情绪的人群动画方法没有考虑个性对情绪感染的影响。现实中的人群情绪(如恐慌、焦虑等)往往存在个体差异性,从而会对人群的情绪感染产生重要的影响。为生成更为逼真的人群动画,提出一种基于个性化情绪感染的人群动画生成方法。该方法包含3部分:首先,建立了一个基于情绪感知因子的个性化Durupinar情绪感染模型(Personalized Durupinar,P-Durupinar),该模型能够有效体现人群情绪的个体差异性;其次,将P-Durupinar情绪感染与人群运动耦合,结合相对速度障碍法,利用个性化情绪驱动人群运动;最后,使用真实感渲染方法生成人群动画。实验结果表明,基于个性化情绪感染的人群动画生成方法能够更逼真地仿真人群的社会行为。     

人群应急疏散中一种多智能体情绪感染仿真模型

为了从情绪的视角分析紧急情境下人群的疏散行为,梳理了现有情绪感染的研究工作,总结了人群紧急状况下行为特点.采用智能体描述人群个体,提出一种多智能体情绪感染模型.其主体框架分为感知层、情绪层、感染层、行为层和行动层.归纳了产生情绪感染现象的3个条件及情绪感染的3个规则,提出了情绪感染的算法,考虑个体的个性和个体间距离因素,采用情绪强度和人群紧密度来计算个体疏散速度.用C#语言编制了仿真实验,采用真实的地震疏散案例,验证了仿真疏散时间和实际观测的基本一致.通过与以往基于传染病思路的情绪感染模型对比,所提出的模型可以更好地描述情绪感染从局部到整体的过程.实验结果表明,所提出的模型可以推演情绪驱动下的群体聚集行为,有望为制定应急疏散预案提供一种可视化分析方法.     

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。     

情绪主导型群体事件的情绪演化模型与仿真

大规模群体负面情绪的形成与蔓延是引发情绪主导型群体事件的根本原因。考虑在社会关系网络中的个体是有限理性的情形下,对群体情绪形成原因进行分析,归纳了群体情绪感染规则与蔓延机制,并依此构建了群体情绪感染模型,利用多主体仿真平台Netlogo对群体负面情绪的演化过程进行仿真实验,考察不同情景下群体负面情绪的演变情况,结果表明普通民众的理性程度,个体间的情感关系,意见领袖的干预、占比、干预时间、情绪感染阈值等都对群体负面情绪有影响。最后,对情绪主导型群体突发事件的预防与对策给出了合理建议。     

基于节点亲密度和影响力的社交网络舆论形成模型

针对舆论传播过程中个体交互的广泛性和个体社会影响力的差异性,在Hegselmann-Krause模型的基础上建立了社交网络舆论形成模型。新模型通过引入个体间亲密度、人际相似性和交互强度等概念,对个体交互集合进行了扩展,并对影响力权重进行了合理量化,进而构建更切合实际的观点交互规则。通过一系列仿真实验,分析了模型主要参数在舆论演化中的作用。结果表明：在不同信任阈值下,群体观点均能收敛到一致,形成舆论共识;且信任阈值越大,收敛时间越短;当信任阈值为0.2时,收敛时间仅为10。同时,扩大交互集合、提高人际相似性的作用强度会促进舆论共识的形成。此外,当无标度网络的聚类系数和平均度较高时,群体观点更容易产生趋同效应。研究结果有助于理解舆论形成的动力学过程,对社会管理者进行决策分析具有指导作用。     

基于概率潜在语义分析的群体情绪演进分析

针对群体情绪演进分析中话题内容挖掘及其对应群体情绪分析两个层面的难题,提出了一种基于概率潜在语义分析(PLSA)模型的群体情绪演进分析方法。该方法首先利用PLSA模型抽取时间序列上的子话题,挖掘话题内容随时间的演进规律;再利用句法关系和情感本体库,抽取与话题内容相匹配群体情绪单元,计算情绪单元的强度,形成情绪特征向量;最后,对各子话题下的情绪强度进行求和,细粒度分析子话题和事件的整体群体情绪,深入挖掘群体情绪演进规律,并将群体情绪量化和可视化。在话题情绪单元抽取过程中,引入了句法规则和情感本体库,更细粒度地抽取情绪单元,并提高了话题内容与情绪单元匹配的准确性。实验结果表明,该模型能够实现话题内容及其群体情绪按时序特征的演进分析,验证了所提方法的有效性。     

人群应急疏散可视仿真研究进展和问题

人群应急疏散可视仿真是用智能体来模拟具有自主感知、情绪和行为能力的人群个体,并采用3维可视的方式来直观呈现人群应急疏散情景,可以为制定人群应急预案提供形象直观的分析方法。本文从人群仿真数据的来源、人群导航模型的构建、人群行为模型、人群情绪感染、人群渲染5个方面概述目前研究的进展,然后从仿真模型的可验证性、人群疏散导航模型的构建、人与环境的物理模型、动物逃生实验与仿真、疏散中的社会行为表现以及人群情绪的可视计算6个角度讨论需要进一步研究的问题。针对需要深入研究的问题,指出借助于紧急事件的视频监控分析和虚拟人群情景的用户调查,有助于完善人群仿真模型。结合物理模型,可以更准确地描述人群应急疏散场景。开展动物逃生实验分析,有助于完善人群运动导航算法。建立人群社会行为模型,可以更详细描述疏散中人群行为的多样性。构建基于多通道感知的人群情绪感染计算方法,可以详尽描述情绪感染的过程。人群应急疏散行为的可视仿真研究在城市的安全管理方面具有重要的应用前景,但其研究仍存在很多亟待解决的问题,综合地运用多学科知识,完善实验手段是进一步推动研究的关键所在。     

突发事件下人群恐慌情绪感染模型与干预方法

地铁站是典型的人员密集场所，突发事件时人群因恐慌而导致的混乱极易引发踩踏等严重事故。建立个性化的P-SIR情绪感染模型，模拟人群恐慌行为的演化过程，设置无干预、管理员干预以及利用设备干预情境进行计算仿真实验。研究发现，在无干预条件下，初始恐慌个体离出口的距离对情绪感染人数影响较大；管理员干预时，其位置对干预效果影响较大；利用设备干预时，干预效果与个体自身性格有关。研究结果能为突发事件时的人群管控提供重要的理论支持。     

基于时空特征的社交网络情绪传播分析与预测模型

社交网络用户情绪传播与用户的空间距离和时间跨度有关,并且受到多种交互机制的影响.从大规模社交网络数据中提取情绪传播的时空特征,研究用户行为对情绪传播的影响,对预测情绪传播趋势具有实际意义.利用线性回归获取的各行为子层的情绪传输率之间存在差异.提出一种基于多层社交网络的情绪传播模型,被称为ECM模型（Emotional contagion model）.该模型包括三个行为子层,每层的拓扑结构各不相同,由该行为的交互历史决定.在真实数据上对ECM模型进行仿真分析,可以获得社交网络中情绪传播的过程与规律:1）中性情绪用户所占比例随时间逐渐增大,接近57.1%,而正向情绪与负向情绪比例始终接近.2）情绪传输率越大,用户情绪更容易受到其他用户的影响而发生变化;初始情绪越中立的用户,在演化过程中情绪波动越小,而初始情绪极性越大的用户情绪波动越大.此外,通过实验对比该模型与其他情绪传播模型,表明ECM模型更加接近真实数据,对社交网络中情绪传播具有较好的预测效果,预测准确率相比其他模型可以提高1.8%~7.8%.     

基于ConvLSTM网络的维度情感识别模型研究

学业情绪能够影响和调节学习者的注意、记忆、思维等认知活动,情绪自动识别是智慧学习环境中情感交互和教学决策的基础。目前情绪识别研究主要集中在离散情绪的识别,其在时间轴上是非连续的,无法精准刻画学生学业情绪演变过程,为解决这个问题,基于众包方法建立真实在线学习情境中的中学生学习维度情感数据集,设计基于连续维度情感预测的深度学习分析模型。实验中根据学生学习风格确定触发学生学业情绪的学习材料,并招募32位实验人员进行自主在线学习,实时采集被试面部图像,获取157个学生学业情绪视频;对每个视频进行情感Arousal和Valence二维化,建立包含2 178张学生面部表情的维度数据库;建立基于ConvLSTM网络的维度情感模型,并在面向中学生的维度情感数据库上进行实验,得到一致性相关系数（Concordance Correlation Coefficient,CCC）均值为0.581,同时在Aff-Wild公开数据集上进行实验,得到的一致相关系数均值为0.222。实验表明,提出的基于维度情感模型在Aff-Wild公开数据集维度情绪识别中CCC相关度系数指标提升了7.6%~43.0%。     

一种面向交易过程的虚拟人情绪模型

虚拟人在电子交易中具有重要的应用价值,但现有交易模型对情绪因素考虑不足。为此,建立一种面向交易过程的虚拟人情绪模型,该模型综合虚拟人的情绪和个性。引入概率函数表述交易过程中的信息不确定性,构建情绪公式。仿真实验结果表明,该情绪交易模型能够反映现实中交易的规律,较好地模拟实际交易过程。     

基于情感学习本体的教学反馈策略生成算法的研究

研究如何采用本体建模的方法解决智能教学系统中的情感理解与情感反馈的问题。构建了一个情感学习本体用于描述在学习过程中出现的与情感相关的概念及概念之间的关系,设计了基于该本体的教学反馈策略的生成算法,可以在不需要和学生进行问答交互的情况下获得学生学习过程的感知和理解状态,可以更好地理解学生的学习状态以提供更好的基于"情感触发"的认知和情感支持。并将情感学习本体和一个C语言程序设计领域知识本体以及反馈策略生成算法应用到一个以教学视频为主体学习资料的智能教学系统中。应用实例表明,该教学反馈策略生成算法能对学习者提供有效的认知反馈和情感反馈。     

语音情感识别综述

人类的语音情感变化是一个抽象的动态过程,难以使用静态信息对其情感交互进行描述,而人工智能的兴起为语音情感识别的发展带来了新的契机。从语音情感识别的概念和在国内外发展的历史进程入手,分别从5个方面对近些年关于语音情感识别的研究成果进行了归纳总结。介绍了语音情感特征,归纳总结了各种语音特征参数对语音情感识别的意义。分别对语音情感数据库的分类及特点、语音情感识别算法的分类及优缺点、语音情感识别的应用以及语音情感识别现阶段所遇到的挑战进行了详细的阐述。立足于研究现状对语音情感识别的未来研究及其发展进行了展望。     

一种基于OCC模型的文本情感挖掘方法

观点挖掘（或情感分析）作为面向网络社会媒体分析挖掘领域的一个核心研究课题,具有重要的研究意义和应用价值。针对传统观点挖掘方法存在的不足和局限性,本文设计并实现了一种基于OCC情感模型的观点挖掘方法。该方法首先采用统计方法,利用WordNet词典、句法依存关系及少量标注数据,自动构建情感维度词典;其次,对所构建的情感维度词典进行求精,通过语义、情感倾向的不一致性处理和非情感词的过滤,得到高质量的情感维度词典;最后,基于所得到的情感维度词典,结合OCC模型中情感维度值与情感类型的对应关系,生成6种主要的情感类型。实验方法表明,此方法在使用灵活性、可解释性和有效性上具有明显的优势。