下载文档原格式
基于情感计算的人机交互设计人机交互设计是指将人与机器之间的互动过程进行设计和优化，使得用户能够更加便捷地使用计算机或者其他电子设备。
目前，越来越多的设计师开始关注用户的情感和行为，将情感计算集成到人机交互设计中，能够增强设计师对用户的研究和了解，从而更好地满足用户的需求和期望。
本文将基于情感计算的人机交互设计进行分析和探讨。
第一章：情感计算的定义和意义情感计算是指利用计算机技术和理论模型来模拟和分析人类的情感行为。
在人机交互设计中，情感计算可以帮助设计师更好地了解和掌握用户的情感需求，以此来优化设计，增强用户体验。
情感计算不仅仅是单纯地对用户的情感进行分析和考量，更是在互动环境中实现信息的自动收集、分析、处理和响应。
情感计算在人机交互设计中的应用具有重要的意义。
首先，它能够帮助设计师更好地了解用户的需求和情感状态，从而更加贴近用户的关注点。
其次，它能够增强用户的情感参与感，提高用户的参与度和忠诚度。
最后，情感计算还能够通过优化交互设计来增加产品的市场竞争力。
第二章：基于情感计算的人机交互设计方法1. 情感分析情感分析是情感计算的一个重要组成部分，它是通过对用户的言语和行为进行分析，来推断用户的情绪状态。
情感分析可以根据用户的语言或者图像信息进行判断，分析用户的喜好、情感倾向以及情感状态，从而使设计师能够更加针对用户的需求和期望来提供相应的服务。
情感分析的方法主要有两种。
第一种是基于各种机器学习算法的模型构建方法，通过数据挖掘对用户的情感进行挖掘和分析。
第二种是基于自然语言处理技术，通过对用户的文本信息进行处理和分析，来推断用户的情感状态。
2. 情感设计情感设计是指通过情感分析结果，来优化产品的设计。
情感设计可以通过界面设计、交互设计等手段来增强用户的情感参与感，从而提高用户的体验。
情感设计需要根据不同的产品类型进行不同的设计，以使得该产品更符合用户的情感需求。
3. 情感反馈情感反馈是指设计师通过交互设计，通过用户对数据的响应来获取用户的反馈信息，并做出相应的调整。
基于情感计算的情感分类模型研究情感计算是人工智能领域中的一个重要研究方向，旨在通过计算机自动分析文本或语音中的情感信息。
情感分类是情感计算中的一个关键任务，它的目标是将给定的文本或语音数据分类为积极、消极或中性等情感类别之一。
本文将探讨基于情感计算的情感分类模型的研究进展和应用。
在过去的几年中，随着自然语言处理技术的不断发展，基于情感计算的情感分类模型逐渐成为研究热点。
这些模型通常利用机器学习算法从大量标注好的数据中学习情感分类的规律，并用于对新的未标注数据进行情感分析。
其中，深度学习模型如卷积神经网络（CNN）、循环神经网络（RNN）和注意力机制（Attention）等模型在情感分类任务中取得了显著效果。
卷积神经网络是一种广泛应用于图像识别中的深度学习模型，近年来也逐渐应用于文本分类任务中。
在情感分类中，卷积神经网络通过自动学习文本中的局部特征和语义信息，能够较好地表达文本的情感倾向。
其基本结构包括输入层、卷积层、池化层和全连接层。
卷积层利用多个不同尺寸的卷积核对文本进行特征提取，池化层通过降采样操作减少特征维度，最后将提取到的特征输入到全连接层进行分类。
循环神经网络是一种能够捕捉文本序列信息的深度学习模型。
通过循环神经网络中的隐藏层状态，模型能够记忆之前的信息并预测当前的情感类别。
循环神经网络的主要组成部分是循环单元，如长短时记忆网络（LSTM）和门控循环单元（GRU）等。
这些循环单元能够有效地处理文本中的长距离依赖关系，对于情感分类任务具有较好的表现。
另外，注意力机制是一种能够学习文本中重要部分的深度学习模型。
在情感分类中，注意力机制通过学习对于情感分类决策最有帮助的文本片段进行加权，从而提高模型的性能。
通过引入注意力机制，模型能够更加关注文本中与情感相关的关键信息，提升情感分类的准确性。
除了深度学习模型，传统的机器学习算法如支持向量机（SVM）、朴素贝叶斯（Naive Bayes）和随机森林（Random Forest）等在情感分类中也有一定的应用。
基于情感计算的情感交互技术研究随着人工智能和机器学习的快速发展，情感计算成为了一门热门的技术领域。
情感计算是一种通过计算机分析人类情感的技术，并以此为基础来构建情感交互系统。
这种技术不仅能够改变人机交互的方式，还能够改善人们的日常生活。
一、情感计算的基本概念情感计算是一种研究计算机如何模拟和分析人的情感的技术。
它将心理学领域的情绪学、计算机科学领域的机器学习、人工智能和语言学等多个学科结合在一起，旨在开发能够自动识别人类情感并改变人们情绪的技术。
情感计算涉及到几个核心部分，例如语音识别、自然语言处理、机器学习和数据挖掘等。
这些技术可用于分析和识别不同的情感类别，例如愤怒、悲伤、高兴和惊讶等，并基于识别结果构建出情感交互系统。
二、情感计算的应用场景情感计算的应用领域非常广泛，涉及到娱乐、社交、健康、教育等多个领域。
在娱乐方面，情感计算已成为游戏开发领域的一个重要技术。
众所周知，许多游戏都注重情感体验，因此情感计算技术能够为游戏带来更好的游戏体验，让玩家更加沉浸在游戏中。
此外，在社交领域，情感计算也被广泛应用于聊天机器人和社交媒体中。
对于聊天机器人来说，情感计算技术可用于自动检测和分析用户的情感，从而更好地理解用户的需求并提供更好的回应。
在社交媒体的世界里，情感计算技术能够让用户更好地分享和表达情感，从而改善社交体验。
三、情感计算的未来发展随着人们对情感计算技术的需求日益增长，情感计算的应用也正在不断发展。
情感计算不仅仅能改变人与机器的交互方式，还能够对于人的健康、情感管理等方面都起到积极的作用。
在未来，可以预见情感计算技术将会逐渐普及，并随着技术的不断成熟，更多的实际应用场景也将逐渐涌现。
未来我们或许会看到，人与机器之间的交互已不再仅仅是简单的“命令与反馈”，而变成了更加自然、更加情感化的互动方式。
四、情感计算的挑战和未来发展方向尽管情感计算技术有着广阔的应用前景，但它也面临着一些挑战。
首先是情感分类的精度。
基于情感计算的情感识别与分析技术研究随着互联网和社交媒体的普及，人们的情感表达也变得越来越频繁。
在这样一个信息大爆炸的时代里，如何快速准确地捕捉用户情感信息成为了企业和机构所关注的问题。
情感计算技术就应运而生，它将计算机科学、机器学习等领域的技术与心理学、语言学等领域的理论相结合，可以帮助我们分析和识别文本、语音、图像等数据中的情感信息。
本文将从情感计算技术的基本概念、情感识别和分析技术的发展历程、情感计算技术的应用等方面探讨情感计算的研究现状。
一、情感计算技术的基本概念情感计算技术是一种将人类情感转化为数字信号，并让计算机能够理解和处理这些信号的技术。
情感计算技术主要由三个模块组成：1.情感分析：是指通过对文本、语音、图像等数据进行分析，判断其中所包含的情感信息，并输出相应的情感结果的过程。
2.情感识别：是指通过对用户产生的数据进行分析，判断用户所表达的情感，并向用户推送相应的服务。
3.情感生成：是指利用情感计算技术生成具有情感的文本、音频、图像等内容，以达到更加自然的人机交互效果。
二、情感识别和分析技术的发展历程情感识别和分析技术可以追溯到二十世纪五十年代的心理学研究。
当时科学家开始研究人类情感的表达和识别方式，以及情感与身体反应和语言等其他方面的联系。
随着人工智能和自然语言处理技术的发展，情感计算的应用越来越广泛。
目前，情感计算技术已经成为社交媒体分析、用户评论分析、广告推荐、产品满意度调查等方面的重要工具。
三、情感计算技术的应用情感计算技术在各行业中得到了广泛的应用，其中最为广泛的领域之一是社交媒体分析。
在社交媒体中，人们经常会在微博、微信、抖音、Ins等平台上分享自己的生活和情感。
情感计算技术可以帮助企业或机构抓住用户发出的情感信息，例如用户在谈论某个品牌或产品时是否愉悦，是否有负面情绪等。
基于这些信息，可以通过推荐相应的产品或推广策略，从而提高用户的满意度和营销效果。
此外，情感计算技术也广泛应用于情感识别和分析服务。
情感计算与情感分析研究近年来，随着智能计算和人工智能应用的不断深入，越来越多的研究者开始关注情感计算和情感分析研究。
然而，情感计算和情感分析研究的背后是由多种技术和方法构成的，本文将对情感计算和情感分析研究进行探讨。
一、情感计算的定义情感计算是指将人类情感方面的先天智能与机器计算方面的后天智能相结合，通过计算机自动完成情感识别、情感分析、情感生成等任务的技术和方法。
情感计算是人类计算能力和情感智能的综合体现，它将改变人机交互模式、提高计算机智能化程度，被广泛应用于社交网络、推荐系统、广告营销等领域。
二、情感计算的技术和方法情感计算的技术和方法主要包括自然语言处理、机器学习、数据挖掘、语音识别、图像处理等方面。
其中，自然语言处理是情感计算最核心的技术之一，它可以将自然语言转化成机器可识别的形式，并通过语义解析、情感识别等方法分析和识别文本中的情感信息。
机器学习则是情感计算的另一项关键技术，它通过对大量数据的学习和模式识别，实现对情感的自动识别和分析。
三、情感分析的定义情感分析是指通过对言论、行为、文本等信息的分析，判断其中所蕴含的情感倾向和模式，从而达到分析某一社交事件、产品或服务、企业品牌等的目的。
情感分析主要分为三个层面：情感识别、情感极性分析和情感因素分析。
情感识别是指从语言和文字中识别情感，情感极性分析是指对情感进行正向或负向的归纳，情感因素分析是指分析情感的因素和来源。
四、情感分析的应用情感分析的应用非常广泛，主要应用在社交舆情监测、企业品牌管理、产品推荐、舆情热度分析等领域。
在企业品牌管理方面，通过情感分析可以了解消费者对某一品牌的态度和看法，从而及时引导和调整企业品牌形象；在产品推荐方面，情感分析可以基于用户对产品的评价和反馈，推荐相似的产品给用户。
五、情感计算和情感分析的发展趋势随着智能计算和人工智能领域的发展，情感计算和情感分析研究也在不断发展和完善。
未来，情感计算和情感分析的研究方向将有以下几个方面：一是更加注重人机交互的自然化，使计算机更加智能化和感性化；二是更加注重跨语言情感计算的研究，实现在不同语言、不同文化背景下的情感分析；三是更加注重情感计算和人类情感智能的结合，推动人工智能和智能计算的跨越式发展。
人机协作系统中的情感识别与情感交互研究情感识别和情感交互是人机协作系统中一个重要的研究领域。
随着人工智能的不断发展，人机交互已不再局限于简单的命令和反馈，而是逐渐涉及到情感和情绪的交流和理解。
情感识别是指通过分析人的言语、动作、面部表情等多种信息来推断其情感状态的能力。
在人机协作系统中，情感识别可以帮助计算机更好地理解用户的需求和意图，从而提供更个性化和贴心的服务。
例如，通过识别用户的情绪，计算机可以调整音乐、灯光和温度等环境因素，使用户处于更舒适和愉悦的状态。
情感交互是指人和机器之间基于情感的双向交流和互动。
人机协作系统不仅需要理解用户的情感，还需要能够自身表达情感，从而建立起更加人性化和自然的交流方式。
例如，情感交互可以通过计算机的语音合成技术来赋予计算机不同的语调和语气，使其更具有情感色彩。
同时，计算机也可以通过电子表情、身体语言等方式来表达其情感，如通过头部的微笑、摇摆等动作来传达喜悦或不悦的情绪。
在人机协作系统中，情感识别和情感交互的研究可以有助于提高系统的用户体验和效果。
首先，情感识别可以帮助计算机更准确地理解用户意图。
人的情感状态往往会影响其表达方式和需求，例如，在用户愤怒或焦虑的情绪下，其语速和语调可能会发生变化。
通过识别这些情感信号，计算机可以更好地解读用户的真实意图，从而为用户提供更准确的服务。
其次，情感交互可以提高系统的人性化和亲和力。
人们倾向于与情感丰富的对象进行交流，因为这样能够增强交流的真实性和情感的共鸣。
在人机协作系统中，计算机也可以通过语音合成、电子表情等方式来表达情感，从而增加用户与计算机之间的互动性和情感连结。
在实际应用中，情感识别和情感交互已经被广泛应用于多个领域。
例如，在智能客服系统中，通过分析用户的语音和文本表达，可以更好地理解其需求和情感，从而提供更准确和个性化的解答。
另外，在虚拟现实技术中，情感交互可以使用户与虚拟角色或场景之间的交互更加真实和情感丰富，增强用户的沉浸感和参与度。
情感计算的研究现状与未来发展随着人工智能技术的不断发展，情感计算也成为了人机交互中的重要一环。
情感计算的研究旨在让机器能够理解和表达情感，从而更好地适应人类的需求。
本文将介绍情感计算的研究现状以及未来的发展方向。
一、情感计算的基础理论情感计算是基于人类认知、情感和行为的模拟，主要包括语音、图像及文本三种类型的情感计算方法。
其中，语音情感计算主要研究如何从语音信号中提取情感信息，例如说话人的情绪状态、语气等；图像情感计算用于分析图片、视频等多媒体数据中的情感信息，如表情、身体语言、场景等；文本情感计算则是研究从文本数据中提取情感信息，例如评论、留言等。
情感计算的基础理论之一是情感分类。
情感分类的目的是把情感信息分为多个情感类别，例如愤怒、悲伤、喜悦等，从而能够对情感信息进行更好的理解和识别。
二、情感计算的应用领域情感计算已经在很多领域得到了广泛应用。
其中，最为常见的就是情感分析。
情感分析是指对一段语音、图片、文本等数据进行情感分类，从而得出该数据所包含的情感信息。
目前，情感分析已经应用于很多场景，如社交媒体监测、用户评论分析、产品质量检测等。
此外，情感计算还可以应用于智能音箱等智能家居设备的人机交互中，从而让人们更加自然、自如地与设备交互。
情感计算还可以用于畜牧业、养殖业等传统农业领域，帮助畜牧、养殖等行业识别动物的情绪状态，从而提升养殖效率。
三、情感计算的未来发展方向情感计算的未来发展方向有三个主要方向：情感互动、情感智能、情感设计。
情感互动是指利用情感计算技术实现人机和人人之间的情感沟通。
这种沟通方式将更加自然、有效，能够让机器更好地理解人类的情感需求，进而更好地为人类服务。
情感智能是指让机器拥有自己的情感。
通过情感智能，机器可以表达自己的情感，并理解和回应人类的情感需求。
这种情感智能的机器将成为未来人类的好伙伴，在情感交流、陪伴、治疗等方面发挥重要作用。
情感设计是指将情感计算技术应用于产品设计和人机界面设计，从而让产品和界面更好地适应人类的情感需求。
Agent研究现状与发展趋势一、本文概述随着（）的飞速发展，作为其关键组成部分的Agent技术，正逐渐在多个领域展现出其强大的应用潜力。
Agent是一种能够在特定环境中自主行动、感知环境并作出决策的实体，它具备自主性、交互性、反应性和主动性等核心特性。
本文旨在全面梳理Agent技术的研究现状，探讨其发展趋势，以期对Agent技术在未来的发展提供理论支持和实践指导。
在概述部分，我们将首先介绍Agent技术的概念、发展历程和分类，为后续深入研究奠定理论基础。
接着，我们将重点分析当前Agent 技术的研究热点，如多Agent系统、智能Agent、移动Agent等，并探讨这些技术在各个领域的应用情况。
我们还将关注Agent技术在发展过程中所面临的挑战与问题，如安全性、隐私保护、可解释性等，并尝试提出相应的解决方案。
在概述部分，我们将展望Agent技术的发展趋势，包括技术创新、应用领域拓展以及与其他技术的融合等。
通过深入分析Agent技术的研究现状与发展趋势，本文旨在为相关领域的研究人员和实践者提供有益的参考，推动Agent技术在未来取得更大的突破和进展。
二、Agent技术的研究现状随着信息技术的飞速发展和的深入应用，Agent技术作为实现智能化、自主化决策和执行的重要手段，已经引起了广泛的关注和研究。
目前，Agent技术的研究现状主要体现在以下几个方面。
多Agent系统（MAS）的研究与应用：多Agent系统是指由多个Agent组成的集合，这些Agent通过协作、竞争和协商等方式，共同完成复杂的任务。
目前，MAS在分布式系统、智能控制、机器人等领域有着广泛的应用，其研究重点在于Agent之间的通信、协作和冲突解决等方面。
智能Agent的研究与发展：智能Agent是指具备学习、推理、决策等智能行为的Agent。
近年来，随着深度学习和强化学习等技术的发展，智能Agent的研究取得了显著的进展。
智能Agent已经能够处理更加复杂和动态的任务，如自然语言处理、图像识别、自动驾驶等。
【关键词】情感计算情绪认知评价理论情感智能体情感决策【英文关键词】Affective computing Cognitive Evaluation Theory Emotionalagent Affective cognitive decision-making情感计算论文：基于情绪认知评价理论的人机交互中情感交互研究【中文摘要】情绪在人们的日常学习工作中发挥着重要作用,并且人类具有的情感能力是人类与当前智能机器的最大不同之处之一。
不断完善的认知心理学、认知神经学和情绪认知评价理论有力的支持了人工智能领域情感机器人的研究工作。
计算机和人工智能等领域的研究学者也越来越认知到让智能机器只具备逻辑运算能力是远远不够的,还应该让其具有情感能力(情绪识别和情感表达),且能与人进行具有情感的交流。
本文首先介绍了智能机器人与人工情感的研究现状和研究意义,接着介绍了与本课题相关的基础知识、相关理论和技术,然后阐述了基于认知评价理论的情感模型,最后在情感认知(Affecti ve-C ognitive, AC)模型框架中改进了基于情绪认知评价理论的情感认知决策方法并且通过改进的Q学习算法实现智能体的情感认知决策,传统Q学习算法没有考虑来自智能体自身内部对实现某种目标的内在激励只考虑来自它外部环境的奖励,而改进的Q学习算法则采用了内在激励和外部环境奖励的两种奖惩机制,同时采用BP 神经网络方法来实现Q学习算法中的Q函数。
本文采用了AC框架模型中对情感认知决策进行网络分层的方法,即每个情感认知决策是由它的子决策和原始决策组成,且每个决策可以激活和销毁它的子决策。
本文对情感认知决策进行网络分层的是为了解决情感认知决策中的决策维数问题,其实质就是把情感认知决策进行细分,让不同层次上的情感认知决策都有各自的目标,每个低层次情感认知决策只需在较小的状态空间内进行求解,学习到低层次情感认知决策的策略可以被高层次的情感认知决策直接调用,从而加快决策的求解速度。
情感计算技术在情感分析中的应用研究随着计算机技术和人工智能的不断发展，情感计算技术作为一种新兴的技术逐渐走进人们的视野。
情感计算技术不仅可以用于情感分析、情感检测等方面，还可以应用到人机交互、健康管理以及教育等领域。
本文将重点讨论情感计算技术在情感分析中的应用研究。
一、情感计算技术简介情感计算技术是计算机和人工智能领域的一个新兴研究领域。
它是一种基于人的情感分析和识别技术，它通过计算机模拟人类的情感体验和情感反应，从而进行情感识别和情感计算。
情感计算技术主要包括情感识别、情感分析、情感合成和情感生成等几个方面。
情感计算技术的应用范围非常广泛，可以应用到为人类服务的各类情境之中。
比如，它可以用在人机交互、医学诊断、教育教学和娱乐等方面。
在这些领域中，人们可以通过这种技术来更加高效地处理各种情感问题，同时也能够更好地了解人类情感、心理等方面的变化和发展。
二、情感分析的常用方法情感分析是情感计算技术的一个核心内容，它是一种通过计算机模拟人类情感，从而进行情感分析和情感判别的技术。
目前在情感分析中，常用的方法主要有以下三个：1. 基于词语的情感分析：该方法是以词语作为情感识别的基本单位，对文本中的每个词语进行情感标注，从而得出整个文本的情感分析结果。
一些常用的情感识别工具，如SentiWordNet，Afinn等，采用的就是这种方法。
2. 基于机器学习的情感分析：该方法是利用机器学习的技术，在大量的标注好的数据集中训练模型，从而得出情感分析的结果。
该方法的优点在于能够处理文本中的复杂语境和语义关系，但其缺点在于需要大量的训练数据，同时模型的泛化能力也存在一定的局限性。
3. 基于深度学习的情感分析：该方法是利用深度学习的技术，在大规模数据集中训练模型，从而得出情感分析的结果。
该方法具有很好的泛化能力，可以处理复杂的语境和语义关系，但其训练时间较长，需要消耗大量的计算资源。
三、情感计算技术在情感分析中的应用研究情感计算技术在情感分析中的应用研究主要包括情感识别、情感分析、情感合成和情感生成等方面。
1140 引言借助科技产品为弱势群体提供人性化服务,已经成为产品开发人员的目标。
由于生理特征(如疾病、年龄、受伤等原因)造成的弱势群体,如存在视觉、听觉障碍的残疾人、老年人、儿童,认知障碍患者等,由于自身生理障碍或者缺陷使其在生活中存在着诸多问题。
生理、心理特征、知识及经验等方面的限制,使其不能同正常人一样与产品与服务系统进行有效的交互,如聋哑人的无法通过听觉与语音与他人自然交互,老年人感知与认知功能下降,对人机界面的认知与理解困难。
盲人通过视觉通道使用信息界面时存在障碍。
同时,弱势人群在生理上与社会地位的变化使其具有非常复杂的心理特征,容易产生孤独感,自卑感和无助感,较容易缺乏自信,需要在心理和情感层面给予更多的关怀。
随着大数据、人工智能、物联网等信息技术的发展,基于先进的信息科技,设计开发人性化的产品与服务,使其具有更加自然、直觉的信息交互方式,满足用户多样化特征,帮助老年人、儿童等弱势人群提供服务和资源,是人机交互研究需要解决的重要问题。
1 相关研究1.1 智能体(Agent)Minsky [1]提出智能体是具有自适应,自治能力的硬件,软件或其他实体。
Wooldridge [2]将智能体定义为处于一定环境的计算系统,其行为具有一定的灵活性和自主性。
Wooldridge和Jennings [3]提出智能体的弱定义和强定义,弱定义智能体具有自主性、社会性、反应性和能动性等基本特性,强定义智能体除了包含弱定义中的基本特性,还具有移动性、通信能力、理性或其它特性, 该定义被大多数学者所接受。
Franklin和Graesser [4]将智能体描述为一个处于环境之中并且作为这个环境一部分的系统,智能体可随时感测环境并且执行相应的动作,并且逐渐建立自己的活动规划以面向动态环境。
智能体具有自治性、适应性、主动性、社会性、移动性、进化性及学习性等多种特征。
1.2 情感计算技术Picard教授最早提出情感计算的概念,情绪与情感是一种主观的内在情绪体验,情感计算是与情感相关,来源于情感或能够对情感施加影响的计算,并采用通过生理测量技术追踪生理变化,采用各类传感器获取情感信号,对情感进行分析理解[5-6]。
情感计算主要基于对人的生理与行为信号的提取,分析,创建情感模型,以使信息系统能够对用户情感做出智能、灵敏、友好反应。
人的面部表情、声音、手势、生理反应均是获取情感信号的来源[7]。
国内学者与研究机构也对情感计算展开了系统研究。
王志良教授创建了人工心理理论,基于信息技术模拟人的心理活动,如情感、性格等[8]。
哈尔滨工业大学,中国科学院自动化研究所,中科院心理学所,南京航空航天大学等机构基于不同生理与行为特征开展了情感计算相关研究。
2 弱势群体特征和需求本文所探讨的弱势群体主要由生理原因所引发的,在生理、心理以及社会环境处于劣势的人群,主要包括老年人、儿童、残疾人及病人等,其生理、心理特征以及需求如下:老年人群: 随着生理机能下降,老年人的感知觉能力下降。
视力衰退是最为常见的早期个体生理老化表现之一,听觉组织结构也随之老化。
其他方面如触觉、体力方面也同样在衰退。
伴随着老年人群各项生理机能的衰弱,老年人的大脑思维也逐渐表现出记忆力下降、反应迟钝、注意力减弱及思维想象力减弱等认知方面的变化,较容易造成一定的安全问题,另外,在情感需求方面,老年人固执、怀旧等特点使其更容易产生孤独感,渴望与外界沟通交流。
儿童:儿童处于生长发育期,肢体和大脑发育不成熟,其思维,动作与情绪在不同年龄段体现不同的特征。
儿童的思维、动机和意图随着不同心理状态引发儿童各种行为。
儿童对充满未知的世界具有较强的探索欲和好奇心,安全性需求、学习性需求及陪伴需求是儿童的主要需求。
残疾人:残疾人在生理上或心理上存在某种缺陷(如聋哑人言语障碍、肢残人和盲人行动障碍),由于某些生理或心理缺陷,为残疾人的生活与工作造成不便。
残疾人群心理特征归纳为3大类:自尊心强、缺乏信心及敏感多疑。
由于残疾人群在工作生活中常常受到歧视,社会交往范围狭窄,导致其具有较强的自尊心;残疾人群受自身生理特征的影响,而且在一定的环境中受排挤与歧视,在找工作和交流过程中对自身缺乏信心,对外界敏感多疑。
收稿日期:2018-12-02*基金项目:本论文由教育部人文社会科学研究青年基金项目资助(15YJCZH034);教育部产学合作协同育人项目(201702145018)作者简介:窦金花(1978—),女,黑龙江佳木斯人,硕士,副教授、硕士生导师,研究方向:人机交互、信息设计、工业设计等;闫永蚕(1993—), 女,山西晋中人,在读博士,研究方向:工业设计、人因工程等。
基于情感计算的弱势群体情感交互Agent 研究*窦金花1 闫永蚕2(1.天津理工大学 艺术学院,天津 300384;2.天津理工大学 管理学院,天津 300384)摘要:为面向弱势人群开发智能化和人性化的交互产品,分析了弱势群体的生理、心理特征与需求,归纳共性需求。
基于情感计算技术,提出了面向弱势群体的情感交互Agent模型,并探讨情感交互Agent模型的应用领域。
该研究可为弱势群体产品服务系统设计开发提供指导。
关键词:情感计算；弱势群体；交互设计；A ge nt 模型中图分类号:TB472文献标识码:A 文章编号:1007-9416(2019)01-0114-03应用研究DOI:10.19695/12-1369.2019.01.601152019年第 01 期病人:病人类型多样,生理疾病常导致身体虚弱、行动不便及反应迟钝,精神性疾病如自闭症、抑郁症患者的数量也在不断增多,带来严重的社会问题。
病人在心理特征上表现为情绪波动大,容易焦虑恐惧,依赖性强,不愿与人进行沟通交流等特点。
需求:综合以上弱势人群的生理和心理特征,弱势群体的需求主要体现在健康、安全需求,情感沟通陪伴需求,知识学习服务需求,生活起居照料需求等多个方面。
健康安全需求是最基本的需求,安全需求能较好的促进弱势群体健康发展,产品设计的合理性可为安全操作提供保障;情感沟通陪伴满足弱势人群的社交情感需求,辅助其与他人之间良好的沟通与交流,更好的融合社会环境;弱势群体也具有较强的知识学习服务需求,新产品与科技应用使其难以快速有效的获取知识服务,人机交互中挫败感使用户产生心理压力,满足用户的知识服务需求是产品服务系统的开发目标;生活起居照料需求是弱势人群普遍存在的基本需求,如何通过智能化、人性化的产品服务系统,辅助弱势群体日常生活照料,提高其生活质量,是迫切需求解决的问题。
弱势人群特征和需求如图1所示。
3 基于情感技术的弱势群体情感交互Agent模型人们希望与信息系统的交流能够像人与人之间的交流一样轻松自然。
产品服务系统为用户提供资源内容和服务,试图提供友好的人机界面,但还未实现真正自然的交互。
用户的交互行为与人的意识,情境与情感密切相关,有效感知用户的情感与意识以及人机交互情境是理解用户行为意图的重要方法。
情感计算可通过对人和机器交互过程中的情绪识别、获取与分析,构建情感模型,产生合理的情感反馈。
基于情感计算的交互系统,能够感知、识别和理解人的情感,并能针对人的情感做出智能、灵敏、友好反应。
情感计算技术使交互系统更加智能和人性化,具有像人一样的情感识别、理解和生成各种情感特征的能力,对改善人机交互的自然性与和谐性具有重要的作用。
基于情感计算技术可感知弱势群体产品交互情境中情绪变化,更准确的获取用户需求,以促进人机情感交互的自然性和便捷性,降低复杂信息界面操作的负面情绪,提升用户体验[9-10]。
情感计算的过程主要包括情感信号获取,情感信号的处理,识别与分析,情感模型构建以及识别结果的输出反馈,情感计算基本流程如图2所示。
情绪与情感是一种主观的内在情绪体验,是智能Agent的重要属性。
面向弱势群体的情感交互Agent基于情感计算技术,情感交互智能体由感知系统,认知系统,运动系统和人机界面组成。
感知系统能够通过传感器,眼动分析仪器,行为分析仪器获取用户表情、语音、姿态及生理数据,感知用户的行为与生理特征。
认知系统基于所获取的生理信号、表情、语音及姿态数据进行数据预处理、特征抽样及特征选择。
基于OCC情感模型[11]和Kismet情感模型[12]等情感模型,结合心理学研究中情感产生机理构建情感识别模型,识别特殊人群如老年人、残疾人、病人等目标群体的情感状态。
通过选择情感计算模型和优化模型参数,提高情感识别率。
运动系统通过感知用户的生理信号、行为和交互情境来推断情感状态,根据情感识别结果对用户做出合理、恰当的情感反馈。
情感交互智能体的人机界面通过图形,声音,动作等多模态交互特征为用户提供反馈。
情感交互Agent能够智能感知弱势群体的语音、表情、姿态、生理信号及情境变化,学习用户知识与环境知识,推理用户行为意图,自动调整自身行为与状态,进行合理有效反馈,将被动交互转换为主动交互,为用户提供符合其需求的服务内容。
基于情感技术的弱势群体情感交互Agent模型如图3所示。
4 弱势群体情感交互Agent模型的应用面向弱势群体的特征和需求,情感交互Agent模型在用户虚拟学习、社交网络及公共服务等多个领域均具有一定的应用价值。
(1)虚拟学习。
虚拟学习是情感交互Agent重要应用领域。
儿童、老年人等都具有知识学习需求,学生的动机、情绪及努力是学习绩效的重要影响因素, 虚拟学习环境中,可探索使用卡通形象Agent 对学生进行学习指导,针对学生情绪状态自动调整沟通策略与服务内容,对学生起到有效引导作用。
(2)社交网络。
社交需求是人类基本需求,对于老年人、残疾人及自闭症儿童,良好的社交与沟通交流能够促进其改变不良的情绪状态,社交情感交互Agent为特殊群体提供社交服务,开发情感交互图1 弱势人群特征和需求图2 情感计算基本流程窦金花 闫永蚕:基于情感计算的弱势群体情感交互A g e n t 研究第 37 卷 数字技术与应用 Agent可采用共情方法设计其外形、语音、神态,使具有同理心,能够感知用户的情绪与需求,从而进行主动交互。
社交网络可作为智能体的模块之一,为用户提供良好健康的社交网络,促进弱势群体的沟通与交流。
(3)公共服务。
在医院、图书馆、博物馆等公共服务场所,参观导览一般通过导游或者路线图为用户提供给服务。
情感交互Agent通过情感识别功能感知多样化用户情境和潜在需求,基于多模态交互技术,为用户推荐感兴趣的服务内容,提供符合用户需求路线引导,提升用户体验。
5 结语设计开发智能化、人性化的产品服务系统对提高老年人,儿童,残疾人等弱势人群的生活质量具有重要的意义。
论文分析了对几类弱势人群的生理、心理特征与潜在需求,探索基于情感计算的弱势群体情感交互Agent模型与应用领域,该研究为弱势人群智能产品服务系统的设计开发提供了指导。
