第33卷
正33
第22期
No．22
计 算 机 工 程
Computer Engineering
2007年 l1月
November 2007
· 人工智能及识别技术 · 文章编号：1000~3428(2007)22---0209--03 文献标识码l A 中圈分类号 TP301·6
基于情绪心理学的情感建模
杨国亮 ，任金霞 ，王志良
(1．江西理工大学机电工程学院，赣州 341000；2．北京科技大学信息工程学院，北京 100083)
摘 要：基于情绪心理学的基本理论，定义了个性空间、情感空间和心情空间，建立了个性与心情、心情与情感的映射关系，给出了心情
与情感状态更新方程，提出了一种能够合理反映人类情感变化规律的情感计算模型。实验表明，该模型能合理反映出在外界刺激作用下，
不同个性者心情状态和情感状态的波动过程 ，为情感机器人的情感决策提供了一种新的机制。
关健词：情感计算；情感模型；情感机器人
Affective M odeling Based on Emotional Psychology
YANG Guo·liang ，REN Jin-xia ，WANG Zhi-Hang
f1．School ofMechanical& ElectricalEngineering，JiangxiUniversity ofScience andTechnology,Ganzhou 341000；
2．School of Information Engineering，University of Science&Technology Beijing，Beijing 100083)
[Abstracti This paper defines personality,mood and emotion space based on the basic emotion theory．The mapping relationships among them are
established．An equation for updating the affective an d mood states is induced．Affective computing model is presented which Can accords with the
human affection active role．Simulation results demonstrate that the mod el Can simulate the dynamic process of emotion an d mood change well in
the various environment stimulation．Th e mod el provides a valid method to the emotional robot mod eling and~fective decision system．
[Key wor~i affective computing；affective model；affective robot
最近的科学研究发现 ，情感在判断、感知、学习和其他
许多认知功能中扮演了重要角色，它可使人类在解决问题方
面更富有创造力和灵活性。同样 ，如果要使计算机具有真正
的智能，适应人类的生活环境并且与人类自然交流，那么计
算机就需要有识别和表达情感的能力。
本文从情绪心理学的基本理论出发，构建了个性空间、
心情空间和情感空间，定量描述了个性、心情及情感三者之
间的关系，导出了基于个性、心情和情感空间的情感计算模
型。实验表明，该情感决策模型能较好地反映人类情感变化
的规律。
l 基本定义
1．1 情感诱发变量 ．
任何情感的发生都是由外界刺激引起，常见的刺激信号
主要有面部表情、声音、手势、体态及各种生理信号等。通
过情感认知评价模型可以得到情感诱发变量 A。根据文献【1]，
假定情感诱发变量类似敲钟响应，其数学表达式为
I aIfh 0 t ‘ 1
¨
其中，Y是时刻 t外界刺激信号强度；参数al，b1控制响应幅
度 ； b 控 制 响 应 衰 减 速 度 。 定 义 情 感 诱 发 变 量
A=(Yl，Y ，Y3 Y4，Y5)，Y (i=1，2，3，4，5)分别表示愤怒、厌恶、
恐惧、高兴和悲伤5种情感的情感信息变量。
1．2 个性空间
情绪心理学认为，个性在很大程度上是环境影响的结果，
但有迹象表明，个性的一部分很大程度上是天生的。本文认
为个性是恒定不变的 在t=0已经初始化。
五因子模型(five factor model，FFM)是一个应用较广泛
的个性模型 J，其 5个因子分别为：开明性(openness)，责任
性 (conscientiousness)， 外 向 性 (extraversion)，宜 人 性
(agreeableness)，神经质(neuroticism)。本文采甩五因子模型
作为个性模型，个性向量表示为一个五维向量：
P 【Pl，P2，P3，P4，P5 J ，Pi∈【0，1J，i=1，2，3，4，5
个性空间由此可以描述为一个五维的单位超立方体。
1．3 心情空间
和性格相比，心情是一个随时间变化的量。通常可以把
心情分为好、坏和正常3种情况。
关于心情的维度，心理学界还没有统一的定义，文献【3】
采用三维特质描述心情，即愉悦度Pleasure(P)、唤醒度Arousal
(A)、支配度 Dominance(D)，这三维特质相互独立，构成了
三维的心情空间(PAD 空间)。基于此，可定义三维心情空间
变量M=【怖，rna，mo] ，-1≤％，rnp，mo≤1，其中，肘=【0 0叫
对应平静状态下心情。
1．4 情感空间
对于情感的分类，各个学者给出了不同分类结果。OCC
模型【4】把情绪分为 22类，而文献【5]把情绪分为 6类，即高
兴(happiness)、愤怒(anger)、厌恶(disgust)、恐惧(fear)、悲伤
(sadness)、惊奇(surprise)，在心理学界和工程界占有主体地
位。本文构建了一个五维情感空问，其情感变量为
E leA g盯，eDi t，eF ，eH p pl 。， 。。l，V 】∈【0，1】
相对于心情，情感变化迅速，受外界刺激波动更大。
基金项目：江西省教育厅科技计划基金资助项目(赣教技字[2005]145
号)
作者筒介：杨国亮(1973一)，男，博士，主研方向：情感计算，面部
表情识别；任金霞 ，硕士、副教授 ；王志良，博士、教授
收稿日期：2007—01—10 E-mail：ygliang30@126．com
一 209．一
维普资讯
．5 心情菠化
外界刺激消失后，心情会随着时间的流逝逐渐淡化，心
情强度逐渐减弱。假定理想心情状态为白，当前时间，对应
的心情状态为 O)，则当前心情状态变化率正比于当前时刻
的心情状态和理想心情状态的差值。心情淡化过程描述如下：
dM(t)
= 叫 df l 。 J
其中， 为心情淡化因子，其大小取决于个性尸，即 =Zw,p,。
由式(1)可以看出，如果当前心情状态达不到理想心情状
态，则心情变化率为正，使得当前心情状态朝理想心情状态
转移；如果当前心情状态超过理想心情状态，心情变化率为
负，使得当前心情状态回落到理想心情状态。
1．6 情摩淡化
在外界刺激消逝后，情感也会随着时间流逝而淡化，并
且逐步趋于平静状态。仿照上述过程，可以定义描述情感淡
化过程如下：
业dt= ㈣] ’I I (2)
其中，E为理想情感状态； 为情感淡化因子 ，与个性有关。
2 个性、心情及情感相互关系
2．1 个性空间与心情空间之间的转换
由于心情是一个三维空间，每个心情维度取值均为
[一1，1】，每个维度分别取正负值，因此可以把心情空间分为
8个子空间”J。
个性空间是一个五维空间，为此建立如下个性和心情空
间转换关系 j：
Pleasure =0．21·extraversion+0．59·agreeableness+0．19·neruoticism
Arousal~0．15’openness+0．30’agreeableness-0．57‘neuroticism
Dominance=0．25’openness+0．17’conscientiousness+0．60’extraver-
sion-0．32’agreeableness
即
M=K P (3)
『0 0 0．21 0．59 0．19]
其中，K：I o．15 0 0 0．30-0．57I是个性与心情转换矩阵。
l0．25 o．17 0．60-0．32 o』
2．2 心情空间与情摩空间的映射
情感的变化不仅与外界刺激信号、个性有关，而且受当
前心情的影响。本文采用三维心情空间，其三维心情 PAD空
间与情感的量化关系见表 1[71。
衷 1 PAD空间和情囊空间的对应关系
表 1只给出了特定强度的情感在心情PAD空间的坐标，
而心情变化强度在fO，1】变化，是一个连续量，为找到这个连
续变化量在心情空间的对应点，先定义情感在心情空间的映
射基 ：
PAD =I PADA g。 ，PADD， g⋯ ，PADF ，PADH。pp．n ，PADs。d j
[-o 5j —o．40 ～o 64 o．40 ～o 40]
= l o 59 o．20 o 60 o．20 -o 20I
l o．25 o．1o -o．43 o．15 -o．50 l
定义情感变量和心情变量的映射关系为
— !0_一
层=f(M，PAD*)=D／Z4 (4)
i=1
其中，D= ，d2， ，以， 】； =f(肼一PAD,) (肼～脚}) ，i=1，
2，3，4，5，分别对应愤怒、厌恶、恐惧、高兴、悲伤5种情感。
3 情感决策模基
本文建立如下情感决策模型：外界刺激事件通过感知评
价转化为情感诱发变量，分别作用于心情空间和情感空间，
二者在个性因素的影响下，使情感和心情状态发生转移，最
后以合成表情作为情感状态输出。
3．1 心情更新方程
心情状态的变化取决于外界刺激和个性，并随着时间的
变化而不断淡化，因此，心情更新方程应该体现上述 3种因
素的影响。假定时间t对应的心情状态为 ，则心情更新方
程可以表示为
M ，=M
一 l+ +g( ，M¨)+ (4)一 (5)
其中， 为t-1时刻的心情状态；K 为个性 对心情状
态的影响分量；g( ，M )为心情淡化分量，对心情状态转移
起抑制作用；h(4)为情感诱发变量对心情的影响分量； 为
心情变化的阈值，只有心情变量大于这个阈值，才会出现心
情状态转移。
对式(1)进行离散化处理，可以得到 ： ，取：
l+
( 一M )：M 一M 一 [ (6)
不同属性的外界刺激信号对心情的驱动结果不一样，本
文假定情感诱发变量与心情状态变量呈线性关系，则有
h(4， )= *PAD 4 (7)
其中， 外界刺激信号对心情的诱发因子，与个性有关。
3．2 情摩更新方程
情感状态的变化受外界刺激信号、个性、心情因素影响，
此外情感也会随着时间的变化逐渐淡化，本文建立的情感更
新方程如下：
E= 。+，( ，PA )+ ， )+ 4， )一 (8)
其中，E 为卜1时刻情感状态变量；f(M，，PAD*)为心情状
态变量对情感状态变量的影响分量； ( ，巨一。)为情感淡化分
量，对情感状态转移起抑制作用； (A，， )为情感诱发变量
对心情状态的影响分量； 为情感状态变化阈值向量，情感
状态变量大于 时，才会出现情感状态转移。
对式(2)也进行离散化处理得到 ：墨 ± ，取：
1+
( ，E )：E 一E ，：一 (9)
l 1-l，
情感诱发变量对情感状态的影响分量定义为
(A， )= A (10)
其中， 为情感诱发因子，与个性有关。
3．3 面部表情合成
通过情感决策模型得到情感状态变量，再进行情感表达。
情感的表达提供了情感交互和交流的可能。对于单个用户，
情感交流主要包括人与人、人与机、人与自然和自我的交互、
交流。本文采用输出合成面部表情作为情感表达的方式，采
用关键帧插值法 来合成面部表情，关键帧插值法可以用下
面的数学模型表示 ：
V= } +(1一 )} (0 ≤1) (11)
维普资讯
其中， l， 为关键帧；V为经过插值后得到的一帧合成图像；
是帧间插值系数。 ， 之间的合成表情序列可以由关键
帧插值法计算得到。
4 仿真结果及分析
针对所提出的情感计算模型在 Matlab环境下进行了仿
真，以验证该模型能够基本符合人类情感变化规律，即在外
界刺激信号作用下，人类情感状态、心情状态发生转移，而
不同个性的人其情感及心情波动的幅度、快慢程度应该有所
差别。同时，由于人类具有一定的情感调控能力，因此随着
外界刺激的消失，人类的情感、心情状态应该逐渐趋于平静
状态。
下面根据不同参数设定，模拟在外界刺激信号作用下，
人类情感状态及心情状态的变化过程。假定平静状态下的情
感和心情分别为(0，0，0，0，0) 和(0，0，0) ；给定的刺激信号属性
单一，如属性为愤怒的刺激信号只能驱动愤怒情感发生状态
转移。
设定情感诱发变量参数 al=[0．5，0，0，0，0】，bl=[0．8，0，0，0，
0】，62=[1，0,0，0，0】，个性 P=【0．5，0．3，0．2，0．2．0．1】 时，此时刺激
信号属性为愤怒，个性表现为比较内向，其愤怒情感状态和
心情状态波动过程、合成表情如图 1所示。
(a)愤怒情感变化
(b)心情状态变化
(c)表情合成输出
圈1 内向个性愤j皇}情■、心情状态变化过程和输出表情
保持情感诱发变量参数不变，改变个性参数为
P-[0．4，0．3，0．8，0．2，0．1】
个性偏外向，此时愤怒情感状态、心情状态变化过程及输出
表情变化过程如图2所示。
X
(a)愤怒情感变化
O 2【x】 4【x】 60o 8【x】 l 000 l 200 l 4001 600
0 2【x】 400 600 8【x】 1 000 l 200 1 4001 600
O 2o0 400 600 8【x】 1 000 l 200 1 4001 600
(b)心情状态变化
(c)表情合成输出
圈2 外I句个性愤j皇}情■、心情状态变化过程和输出表情
由图 1、图2可以看出，在属性为愤怒的刺激信号下，
愤怒情感在一个较短时间内达到了最高强度，随着外界刺激
信号的消失，愤怒的强度逐渐下降，最终回到平静状态；心
情 3个维度中的Pleasure维在【一1，0】之间变化，而 Arousal维、
Dominance维在【0，1】之间变化，与表 2给出的对应关系相符。
可以进一步看出，在个性由内向变为外向后，愤怒情感的波
动时间缩短，但峰值增大，心情状态也在更短的时问内恢复
平静，输出表情强度在外向性格下稍高。外向个性的情感状
态、心情状态变化持续时间比内向个性短，这反映出外向个
性比内向个性情感、心情状态更为稳定，受外界刺激影响更
小，与人类情感变化规律基本吻合。
改变刺激信号，同样可以模拟其他情感状态的变化过程，
如果刺激信号带有多种情感属性，则根据本文提出的模型可
以模拟复合情感状态的变化过程。
5 结束语
本文基于情绪心理学，给出了个性空问、心情空间、情
感空间的基本定义并进行了量化，建立了个性与心情空间的
转换、心情与个性空间之间的映射关系，提出了一种情感决
策模型。通过仿真可以直观地看到，在外界刺激作用下情感
及心情的变化过程 ，基本符合人类情感变化规律，为情感的
自动生成提供了一种新的方法。 (下转第 225页)
一 2l1一
m “ 叭。 0 。 。 0 。 0
㈣ ㈣嘶㈣ ㈣ ㈣ 0
0 0 o
维普资讯
显 =
l l，3 2 5 l，3
3 l 6 15 l
l，2 l，6 l 5／2 l／6
1／5 l115 l l115
3 l 6 l5 l
B。，B ，B ，B 可用同样的方法得出。
(2)计算第 k层指标权重
wa=fO．0556 O．1 1 1 1 O．3889 O．2778 O．1667)
wB=r0．3333 0．6667)
=(O．2910 0．5941 0．0495 0．0594)
w =(0．25 0．75)
= (0．75 0．25)
=(Q1299 0．3896 Q0649 0．026 0．3896)
(3)最终指标权重
W =(0．0185 0．037】 0 033 0．066 0．0055 0．0066 0 0972 0 2917
0 2083 0．0694 0 0217 0 0649 0．0108 0．0043 0 0649)
(4)用模糊评价确定满意度
确定评价对象集、因素集、决断域和权重：
O={千龙户小区)
U={Bl，B 、B3，B4，B5，B6，B B B11，B22，B 1，B14，
B31，B31，B41，B42，B B ，B53，B ，B55)；
{很满意；基本满意；不太满意；极不满意)
3．2 满意度评价的软件实现
居住小区满意度综合评价系统软件采用面向对象的软件
平台 c#．net J 作为开发工具，其系统结构如图 1所示。
图 1 居住小区满意度综合评价系统
该系统主要包括指标体系建立、居民满意度数据采集和
输入、指标权重确定、模糊综合评价计算、评价报告输出等
模块。指标建立、权重确定都采取了开放式、智能化结构，
具有良好的兼容性和可移植性。系统界面友好，通过少量的
人机对话，可对具体的小区进行满意度多指标综合评价，并输
出评价报告。
3．3 结果分析
通过对调查问卷的结果整理，已经得到以统计百分比形
式确定的各个单因素对评价等级的隶属度，最大隶属度对应
的评价等级即是该单因素所属的评价等级，将统计数据输入
满意度评价系统，输出结果如下
满意程度 R 很满意 基本满意 不太满意 极不满意
口11 0．143 0 0 526 0 0 263 0 0 068
质量 口1 2 0 0 684 0 0．163 0 0 053 0
口21 0 03 0 722 0 0 222 0 0 260
口：2 0 0 316 0 0 421 0 0 263 0
环境 口2 0 1 32 0 0 573 0 0．163 0 0 142 0
口24 0 197 0 0 675 0 0 128 0 0
B 3t 0．】53 0 0．52】0 0 257 0 0 069 0
交通 2 0105 0 0 474 0 0 368 0 0 052 0
口41 0．273 0 0 489 0 0 205 0 0 033 0
口41 0 215 0 0 381 0 0 334 0 0．271 0
位置 口51 0．072 0 0 664 0 0，219 0 0164 0
风2 0．012 0 0 338 0 0 503 0 0148 0
口 0 0 276 0 0 579 0 0 1 56 0
物业 口54 0 0 412 0 0 456 0 0143 0
0．082 0 7j2 0 0 25i 0 0 045 0
B=∑q 01 30 6 0 499 5 0 300 3 0 088 2
由输出结果可以看出：对应于最大隶属度的评价等级是
基本满意，即是鞍山铁西干龙户住宅小区的居民对居住条件
的综合满意度。但该小区的人文环境、管理人员素质、解决
问题的及时性和全面性、管理费用合理程度等方面需要改善。
评测结果与干龙户小区管理上出现的实际情况相符，将该方
法应用到居民小区满意度综合评价是可行的，而且大大减少
了评测的工作量。
4 结束语
本文将改进的 AHP fuzzy应用到居民小区满意度的评价
中，降低了满意度评测问题的复杂性，克服了使用传统 AHP
的不足，能够客观准确地对居民小区满意度进行评测。根据
评测结果，小区的管理人员可以更好地了解户主的居住需求，
进一步完善管理机制 ，提高物管企业的竞争力。
参考文献
1秦寿康．综合评价原理与应用[M]．北京：电子工业出版社，2003．
2 Svaaty T L．A Scaling Method for Priorities in Hierarchical
Structures[J]．Journal of Mathematical Psychology，1977，15(3)．
3金菊良．改进的层次分析法在自然灾害风险识别中的应用[J1．自
然灾害学报，2002，l 1(5)：20—24． ‘
4黄德才，郑河荣．AHP方法中判断矩阵的标度扩展构造法[J1．系
统工程，2003，2l(1)：l05—1 l0．
5李勇平．ASRNET(C#)基础教程[M]．北京：清华大学出版社，2006．
⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ 一 ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯
⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ～
(上接第 21 1页)
参考文献
l Picard R Affective Computing[M]．London：MIT Press．1997．
2 W iggins J． The Five—factor Model of Personality： Theoretical
Perspective[M]．New York：The Guilford Press，1996．
3 Mehrabian A．Pleasure—arousal—dominance：A General Framework for
Describing and Measuring Individual Differences in Temperament[J]．
Current Psychology，l 996，l 4(N4)：26 l一292．
4 Ortony A，Clore G Collins A．The Cognitive Structure of Emotions
[M]．London：Cambridge University Press．1998．
5 Ekman R An Argument for Basic Emotions[J]．Cognition and Emotion，
1992．6(3，41：169—200．
6 Mehrabian A．Analysis of the Big—five—personality Factors in Term of
the PAD Temperament Model[J]．Australian Journal of Psychology，
1996，48(2)：86—92．
7 Gebhard R ALMA—— A Layered Model of Affect[C]／／Proc of the
4th International Joint Con~rence on Autonomous Agents and
Multi—agent Systems．2005：29—36．
8 Cohen M，Massara D．Modeling Co—articulation in Synthetic Visual
Speech[M]／／Model and Technique in Computer Animation．『S．1．1：
Springer-Verlag，1993：139—156
．
一 225～
维普资讯
