一、学习目标

1.学习各种思想的情感模型

2.了解通过情感诱发方法所建立的情感模型

二、情感模型

        想要进行情感计算，首先步骤就是对情感建模，要分析理解情感的产生，从而才能让计算机理解情感。由于情感是感性的，所以现有的情感模型都是基于研究者的猜想和假设。以下是各种情感模型：

三、基于基本情感论的情感模型

        该类的情感模型的基本思想是：情感是离散的、分门别类的、复杂情绪由基础情感相互组合而成。

        主要的模型有Tomkins的8类情感模型、Izard的10类基本情感模型、Ekman的Big Six情感模型、Fox分级情感模型。

1.Tomkins的情感模型

        Tomkins提出的情感模型的核心是提出8种基本情感：

2.Ekman的情感模型

        Ekman的情感模型，不仅指提出了6个基础情感，还对情感进行更准确的定义：

3.Fox情感模型

        创新在于其对情绪进行了分级，从而能自行设定情感识别的精度。

        总结，基本情感论的情感模型是相对简单的，而且便于建模，这也决定了其能力不足，主要的缺点有：

四、基于维度空间论的情感模型

        基于维度空间论的情感模型，主要思想是：情绪是由多个因素来决定的，这些因素的量化导致情绪的多样性。

1.一维空间模型

        即其认为情感就是愉悦程度的变化。

2.二维空间模型

        第一维保持是愉悦度，增加第二维：强度。

3.三维空间模型

        在三维空间模型中，有许多研究人员有不同的设计，而最后被公认为最合理的是：

4.情感轮模型

        相比前面的模型，情感轮模型相当于是将情感论和维度空间论相结合的产物。其保留情感论中的基础情绪，又使用了维度空间来建模：

5.维度情感的数据标注

        以三维空间模型举例，由于愉悦度（效价维）、激活度（唤醒维）和优势度（支配维）需要量化，其对数据标注工作需要进行统一。于是提出相关要求：

        总结而言，维度空间情感在目前依旧是最有效的、最普遍的一种情感模型，这是因为在描述情感的能力上有强大的表现，但难点在于如何将主观情感量化为各个维度的值。

五、基于认知机制的情感模型

        基于认知机制的情感模型的主要思想是：模拟人脑产生情感的过程，让智能体与环境交互并记录情感信号和行为，以学习到正确的情感模型。

1.情感的三级分层

        即：反射性情感反应->一级情绪->高级情感。

        反射性情感反应例如：对臭味的讨厌、看到美丽风景的愉悦。

        一级情绪例如：简单的开心、伤心、生气。

        高级情绪例如：开心得哭了、复杂的情感、带有社会价值的情感等。

2.各种脑结构与情感的关系

        杏仁核：对负面情感刺激强烈。

        眼眶叶皮层：面孔识别中被激活。

        前扣带回皮层：情感自我调节和疼痛时激活。

        脑岛：厌恶情绪激活。

        。。。。。。

3.EM模型

        此EM模型非彼EM模型。其主要让机器人模拟人面对某种情况（图片输入）时产生的情感并作出相同的反应。其构造如下展示：

         EM模型的关键在于愿望向量DV，其某一维可将其看成维度情绪中的维度，但其维度没有明确定义且数量更多：

2.EMA模型

        EMA模型在EM模型的基础上，对目标函数进行修改。EM模型的目标主要贴合标签的行为，即以问题为焦点。而EMA则增加了以情感为焦点的应对：

        这是因为情绪与行为的对应关系我们并不清楚，所以不能盲目去解决导致负面情感的问题，而是增加以降低负面情感为目标。二者权衡地进行训练。

        总结而言，基于认知机制的情感模型仍处于初建阶段，相关技术并不完善。但其模拟认知机制的思想存在着合理性，若能实现，将肯定比前面的情感模型更优秀。

六、基于个性化的情感模型

        基于个性化的情感模型的主要思想：通过对智能体的性格进行建模，再来考虑情感的产生机制。

1.大五模型

        用维度来建模个性。

2.Chittaro行为模型

        用有限状态机进行建模。

3.EFA性格空间

        用三维空间来建模个性。

4.情绪-心情-性格模型

        考虑到情绪、智能体心情和智能体性格之间的相互影响的关系，从而对这样的过程进行建模。

        总结而言，该类型的情感模型也仅处于研究阶段。合理性充分，但相关的难点也依旧存在。

七、其他情感模型

1.HMM建立情感模型

        原理在于：情感相当于HMM中的状态，而个体行为是HMM的输出。且情感变化的马尔可夫性存在合理性。

        例子：

 2.分布式情感模型

        主要思想是对智能体的多个模块（例如开心与否、愤怒与否，但实际的模块功能应该是抽象的）对事件的刺激进行评分，最后得到整体的情感状态。

八、情感诱发机制

        了解情感诱发机制的目的，主要是了解我们训练数据应该从何而来。而最简单的来源就是图片（视觉诱发）和视频（多模态诱发），还有听觉诱发和嗅觉诱发。

1.视觉诱发

2.多模态诱发

        相比于图片，视频能更好的描述一件事情，含有的信息更多。

3.听觉诱发

        有合理性，但缺少相关数据库。

4.嗅觉诱发

        有证明其合理性，但也缺少训练数据。

 5.其他诱发方法

        包括回忆想象和行为模拟。

九、总结

        本章的主要内容是要对情绪的形成进行建模，可以理解成如何得到一个情绪向量，基本情感论是认为该向量各个维度独立，是0/1值。维度空间各个维度也独立，但是是连续值。后面的情感模型则希望不对向量各维进行人工定义，而是想通过机器学习来得到。

        了解情感诱发机制则是帮助我们得到想要的数据信息。