基于ＢＢＮ情感模型的和諧人機交互研究

摘要：提出了一種將個性、情感、情緒分層表示的思想，并且利用貝葉斯網絡進行情感建模，通過虛擬人臉的面部表情來反映情緒的變化，旨在賦予機器類人的情感，達到更加真實和諧的人機交互。最后將此情感模型應用于情感虛擬人交互系統，實驗證明，該模型簡單、穩定，且易于實現。

關鍵詞：貝葉斯； 情感模型； 人機交互； 虛擬人

中圖分類號：TP311文獻標志碼：A

文章編號：1001-3695(2007)12-0077-03

人機交互(HCI)是計算機學科中最年輕的分支學科之一。它是研究人、計算機以及它們間相互影響的技術，涉及當前許多熱門的計算機技術，如人工智能、自然語言處理等，同時也吸收了社會學和心理學的研究成果。隨著計算機應用領域的不斷擴大，人們迫切地需要能夠簡單、輕松地與計算機進行自然、友好的交流。要達到真正的自然友好的人機交互，除智能外，情感也是和諧人機交互中的必要因素。本文目的在于利用貝葉斯網絡(BBN)來構建情感模型，并將其應用于一個虛擬人的人臉，通過人臉的面部表情變化來反映它的情感及情緒狀態的變化。

1貝葉斯網絡

最早由Judea Pearl于1988年提出的貝葉斯網絡實質上就是一種基于概率的不確定性推理網絡。它是用來表示變量集合連接概率的圖形模型，提供了一種表示因果信息的方法。它逐步成為處理不確定性信息技術的強有力工具，并且在計算機智能科學、工業控制、醫療診斷等領域的許多智能化系統中得到了重要的應用。

一個貝葉斯網絡是一個DAG(directed acyclic graph，有向無環圖)，由代表變量節點及連接這些節點的有向邊構成。節點代表隨機變量，節點間的有向邊代表了節點間的相互關系(由父節點指向其后代節點)，用條件概率表達關系強度。沒有父節點的用先驗概率表達信息。本文之所以選擇貝葉斯網絡來實現情感建模，原因在于人類情感復雜、多變而且具有不確定性，而貝葉斯網絡容易建立，沒有結構學習過程，只需要先驗概率就可以完成計算；另外，它的分類過程十分高效。雖然傳統的HMM也比較適合人類心理的特征描述，但是它有分類能力差、對于相似的類別方面不易區分的缺點。

2虛擬人性格層次模型

本文設計了一個具有個性化的虛擬人(Alice)系統來實現人機交互。其中對虛擬人的性格建模參照了心理學領域的five factor model(FFM)，即五因素（外向、愉快、公正、神經質和直率）模型。這五個因素可以作為個性化空間的緯度。所有個性化的緯度在不同程度上與表情以及情緒表達密切相關。例如，外向會影響理性行為，中性會影響感性行為，而應用這五個因素的組合可以實現任何一種個性化的表達。

與許多建模方法不同的是，筆者采用了一個分層的方法來對性格、情感以及情緒進行建模，將實現一個分層的個性化模型（個性化—情感—情緒）。這樣的設計模塊可以使系統更易于實現。

2.1概念

首先解釋一下個性化情感和情緒的含義。在心理學上，人格即個性，它是指個人穩定的心理品質。情緒和情感是指人對于客觀事物是否符合自己的需要而產生的態度的體驗。兩者既有區別又有聯系。一般來說，情感是在多次情緒體驗的基礎上形成的，并通過情緒表現出來；反過來，情緒的表現和變化又受已形成的情感的制約。情緒與情感也有區別：情緒具有情境性、暫時性，而情感較穩定；情緒較低級，不僅人具有，動物也經常發生，而情感則較高級，是人特有的心理現象。 情緒發生時會有一系列的外部表現，如面部表情、動作表情及語言表情。

個性化—情感—情緒的分層模型如圖1所示。a)最高層：個性化，不能隨著時間而改變。它引起反應，并將影響情感在一段時間內將如何變化。b)中間層：情感。同時受高層次的個性化和低層次的情緒狀態影響。c)最低層：瞬時的情緒狀態，與可見的表情連接，同樣會受情感的影響。這里先將情感簡單分為兩類，即好和壞。當然，也存在無法表達出來的情感，這種情感稱為中性情感。

對于多種不同的情緒狀態，綜合考慮情緒的復雜性和計算的簡單性。筆者采用OCC情感模型和Ekman提出的6種基本情感相結合。OCC定義了22種情緒，其中有些與Ekman提出的是相重合的，但缺少吃驚和厭惡2種情緒。所以本文一共定義了24種情緒(OCC的22種+吃驚+厭惡)，而又將這24種情緒劃分到了6種表情中，以便于面部表情的表達。其分類如表1所示。

2．2擴展Alice標簽

為了模擬合理的個性化，筆者使用一個對話機器人Alice來充當虛擬人。Alice使用AIML(人工智能標記語言)為底層技術。如果用戶輸入符合AIML的條目，就會產生相關的回答。文獻[1]有對AIML的具體描述。為了賦予Alice情緒，筆者考慮擴展AIML，為它增加一個情緒標簽，利用這些標簽來表示虛擬人當前的情緒狀態。系統中采用了與之前24種情緒對應的24個情緒標簽。例如，

〈category〉

〈pattern〉What are you doing?〈/pattern〉

〈template〉〈emo name=\"pride\" prob=\"30\"〉〈emo name=\"distress\" prob=\"70\"〉 I am very busy nowadays.〈/template〉

〈/category〉

以上為一段引入情緒標簽的AIML，回答時賦予Alice兩種可能的情緒：驕傲(概率為0.3)和沮喪(概率為0.7)，而最終的結果要通過本文的個性化及情感模型處理模塊表現出來。

3利用BBN構建個性化模型

圖2顯示了筆者使用的BBN模型。這是一個簡單的包括兩個父節點和一個子節點的結構圖。對于FFM模型中五個基本因素，筆者分別為每一個因素均建立一個相應的BBN。當然用戶可自己指定期望的任意兩個或幾個因素的組合。例如，完全可以建立這樣一個個性化：其中20%的外向，80%的神經質，然后組合相應的先驗概率及概率轉換值，并且進行標準化，即可得到期望的個性化模型。

6結束語

本文提出了結合FFM和BBN模型，可以構造出不同個性的虛擬人物，從而適應人類的不同情感需求，實現和諧的人機交互環境，為情感模型的建立提供了一種理論方法。

但其情感狀態的劃分方法還不盡完美。人類的情感空間是一個連續空間，所以今后需要研究用連續的情感狀態來代替分離狀態。

總之，情感虛擬人交互技術是信息科學研究中具有挑戰性的課題，情感虛擬人的人工心理數學模型則是其中的關鍵技術。國際上對此方面的研究非常少，希望本文的工作能夠對國內外關于人工情感建模和感性信息處理方面的研究起到一定的推動作用。

參考文獻：

[1]薛為民，王志良.基于agent的人機情感交互系統研究[J].計算機工程與應用，2002，38(19):6-8.

[2]盧志茂，劉挺，郎君，等.神經網絡和貝葉斯網絡在漢語詞義消歧上的對比研究[J].高技術通訊，2004，14（8）:15-19.

[3]王學偉，瞿海斌，劉雪松，等.貝葉斯網絡雜交學習算法及其在中醫中的應用[J].浙江大學學報：工學版，2005，39(7):948-952.

[4]胡玉勝，涂序彥，崔曉瑜，等.基于貝葉斯網絡的不確定性知識的推理方法[J]. 計算機集成制造系統， 2001，7(12):65-58.

[5]陳敏，羅軍，董士海. ATOM——面向任務的多通道界面結構模型[J].計算機輔助設計與圖形學學報，1996，8(增刊):61-67.

[6]董士海，王堅， 戴國忠. 人機交互和多通道用戶界面 [M].北京: 科學出版社，1999：45-47.

[7]王志良.人工心理學——關于更接近人腦工作模式的科學[J]. 北京科技大學學報，2000，22(5):478-481.

[8]魏哲華.基于人工心理理論的情感機器人的情感計算研究[D].北京：北京科技大學，2002：45-50.

[9]劉宣文.人格結構五因素模型[EB/OL].(2004-10）.[2005-11-22].http://www.pep.com.cn/200410/ca543514.htm.

“本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文”