连续空间中机器人的情绪交互模型

根据交互过程中的场力理论,在有源场情绪状态空间中建立起服务机器人的连续可控的情感调节过程。首先,在费希纳-韦伯定律的基础上,定量分析Gross策略中情绪的自发性认知重评与指导性认知重评过程;其次,根据情感强度第三定律提出一种与情绪效价相关联的情绪强度衰减模型;再次,依据动力心理学理论,建立起基于有源场的情绪能量空间,用于模拟外界刺激情绪与机器人自身情绪的相互作用过程;并建立起基于情绪唤醒度的机器人行为表达抑制模型。在此研究基础上,提出基于HMM的情绪状态刺激转移算法;并将以上模型算法用于13自由度的服务机器人平台中,实现非典型表情交互环境中机器人不确定性情绪过程的动态、可控调节。通过在连续情绪状态空间中的不确定性计算将离散的情绪状态拓展到连续空间中,并产生多种中间状态以及发挥机器人情绪调节的拟人特征。研究结果表明:具有认知能力及情绪控制力的机器人可以在交互过程中使参与者的满意程度得到一定提升。     

时间人格对任务绩效作用机制的实验研究

时间人格是近年来人格领域的一个前沿主题,目前文献中对于时间人格的研究多停留在理论层面.运用"河内塔"实验法,考察了员工的时间人格对任务绩效的作用机制,并引入情绪变量考察三者之间的作用关系.结果发现:时间人格、状态情绪、任务难度三者主效应显著;时间人格倾向与任务难度交互作用显著,状态情绪和任务难度交互作用显著;简单任务中,时间人格倾向和状态情绪对任务绩效影响不显著;困难任务中,二者分别对任务绩效产生显著影响,不存在交互作用.这些研究结果有助于组织从个体特质和情绪事件视角出发,挑选具有高时间规划和高时间分配倾向的应聘者,并采取各种策略减少员工的负性情绪,提高员工的工作绩效.     

高中生日常情绪体验及调节策略研究

采用《具体情绪量表》和《青少年日常情绪调查问卷》,分别对高中生的日常情绪体验情况及感受情绪时采取的情绪调节策略进行分析研究.结果表明,高中生在日常生活中体验到的快乐和兴趣情绪最多,轻视和恐惧的情绪最少,且对负性情绪的调节多于正性情绪.在面对正性情绪时,个体倾向于采用增强调节策略;而在面对负性情绪时,个体则更多地采用减弱调节策略.此外,情绪体验与调节策略在不同年级及不同性别的个体上存在差异.     

基于Gross认知重评的机器人认知情感交互模型

为了增强机器人的认知情感分析能力,依据AVS情感空间和有限状态机(FSM)提出了一种基于Gross认知重评策略的认知情感交互模型.首先,通过分析情感状态之间的欧式距离,研究外界情感刺激对情感状态转移概率的影响;然后,采用有限状态机描述了受到认知重评策略影响的情感状态转移过程;最后,根据情感状态转移概率和7种基本情感的空间坐标,得出受到刺激后机器人情感状态的空间位置.实验结果表明,与不受认知重评策略影响的情感交互模型相比,所提模型能够减少机器人对外界情感刺激的依赖,从而有效地促进了和谐的人机交互体验.     

情景修正与认知重评策略的ERPs

通过分析事件相关电位,比较情景修正与认知重评策略对负性情绪刺激加工产生的不同影响.选取20名大学生分别进行了简单注视负性、简单注视中性、情景修正负性和认知重评负性图片的实验;采用国际情绪图片系统的场景图片作为实验刺激材料,记录头皮脑电.实验结果表明:情景修正与认知重评策略在调节负性情绪时都能有效地降低情绪体验;与简单注视负性相比,情景修正负性图片对晚期正电位(late positive potential, LPP)的调制作用出现的较早, LPP大约在刺激后800 ms阶段开始显著下降,并且持续到刺激结束;相比情景修正策略,认知重评负性图片对LPP的调制作用出现的相对较晚,只发生在中期1 600～3 200 ms阶段.可见,情景修正策略是一种有效的情绪调节方式,与认知重评相比情景修正策略能够更早地影响到情绪产生的轨迹(emotion-generative trajectory);进一步丰富情绪调节动态模型可以为情绪调节策略的研究提供一定的参考价值.     

基于生理信号感知的个性化复合情绪机器人

为了解决人机情感交互中机器人从感知外界刺激到情绪行为产生过程中的个性化问题,建立了一种基于生理信号感知的个性化复合情绪机器人系统.首先,利用情感空间切比雪夫距离与支持向量机,获取受试者实时的生理情绪状态,作为机器人感知信息的输入;然后,利用二阶阻尼系统生成感知强度;最后,基于大五人格量表实现个性化情绪输出.结果表明,中性激励下正向人格与负向人格的复合情绪出现个性化差异,其中正向人格的快乐情绪维持在高强度0.9附近,负向人格相反.具有正向人格设置的交互机器人输出的平静与快乐行为所占时间百分数分别为54.75%与45.25%.因此,机器人能够根据该系统生成具有不同人格因素的情绪走向,并做出相应的行为决策.     

社会距离与认知重评对医疗风险决策的影响

为了解医疗风险决策的心理机制,以大学生为研究对象,通过情景模拟医疗决策,探讨社会距离与认知重评情绪调节策略对负性情绪下医疗风险决策的影响.实验采用2×2组间设计,通过电影短片诱发负性情绪.结果发现,在负性情绪下,相比为亲人决策,个体在为陌生人决策时更倾向于冒险的决策方案;相比无认知重评,个体在有认知重评下更倾向于冒险的方案.这表明,社会距离和认知重评影响着医疗决策,社会距离越远人们越敢于冒险,而认知重评有助于决策更加理性.     

基于动态情绪驱动的人员应急疏散模型

针对应急疏散中人员的动态疏散行为，将情绪感知及传染机制引入行人运动策略，以SIS(susceptible-infectious-susceptible)模型为基础构造了人员情绪更新函数，提出了情绪感知域界定，改进了元胞自动机的动态场.通过仿真实验对所构建动态情绪驱动人员疏散运动模型的性能开展分析，验证了该模型符合个体运动的动态特征.同时探讨了动态行为切换的情绪强度阈值、感染系数和平静系数等因素对疏散过程的影响.结果表明:个体情绪强度阈值决定了系统的个体最终状态，而感染系数和平静系数影响状态变化速率，进而影响疏散时间.该研究为疏散人群管理提供理论依据.     

结合信息熵的多Agent网络安全审计模型

针对目前网络安全审计中存在网络日志数据分析的智能性不高及安全审计模型采用的集中式结构负担重等缺点,设计一种新的多Agent网络安全审计模型,并在该模型中引入一种改进的基于信息熵的攻击检测算法.在实际运行环境中,通过对DDoS等攻击行为进行模拟和成功检测,证明该改进模型能够有效审计部分网络入侵,提高安全审计效率和日志数据...     

基于用户评论文本情感分类的推荐算法ABFR

大数据时代,数据负载使得人们从互联网中获取有效信息的难度越来越大,单维度用户与系统的交互行为已经无法进行精确地推荐,而用户在系统中对物品的评论信息常常能够表达用户的情感倾向和兴趣偏好.利用自然语言处理的ALBERT模型结合BiLSTM神经网络来挖掘用户对物品评论文本中的情感倾向,将用户的情感倾向进行二分类并数值化代入到...     

基于微博文本数据分析的社会群体情感可视计算方法研究

针对已有的情感分析研究多侧重在情感的倾向性方面, 缺乏对各类情感的详细描述, 不能形象直观地反映社会群体的情感变化的问题, 提出一种基于依存句法和人工标注相结合的情感分析方法。该方法采用三维立体的人脸表情进行情感分析, 形象地呈现社会群体的情感变化。对于不同的社会事件, 以可视化方式来展现不同地区微博群体的情感。实验结果表明, 该模型可以有效地描述人群情感, 研究结果为基于大数据的网络舆情分析提供了一种新思路。     

物流人员舆情指标与生产企业股票波动趋势预测实证研究

以物流专业论坛的交流信息内容作为研究对象,利用语义处理技术构建了反映某类产品的物流人员的工作繁忙程度和情绪状态高低的物流人员情绪综合指标;选取该行业产品的多个生产企业的股票走势合成一个股票指数,通过实证方法检验了同一产品行业的物流人员情绪指标对该类产品生产企业的股票走势具有预测能力.研究表明,情绪指数的波动趋势常常比相应股票综合指数的波动趋势提前40周呈现一致.     

扩展语义相似情感词的文本情感分类方法

针对文本情感分类中情感语义特征利用不足、特征降维效果欠佳等影响分类效果的问题,提出了一种通过扩展语义相似的情感词以及引入词语间统计特征的高精度网络评论情感分类方法.该方法利用神经网络Skip-gram模型生成词嵌入,通过词嵌入相似性度量将语义相似的词语扩展为情感特征;再利用词语间的统计特征进行特征降维;通过多个弱分器加权构建Adaboost分类模型实现网络评论情感分类.基于酒店评论和手机评论公开测试集进行实验,结果表明其情感分类的正确率分别达到90.96%和93.67%.方法扩展语义相似情感词有利于丰富文本情感语义特征,引入词语间的统计特征有更好的特征降维效果,可以进一步提升文本情感分类的效果.      

基于扩展的情感词典和卡方模型的中文情感特征选择方法

根据经典的特征选择方法在中文情感评论文本中应用的缺陷和不足,提出了一种改进的中文情感特征选择方法.目前,现有的情感特征选择方法普遍只利用了特征项在褒贬类中的统计信息,忽略了情感极性值对特征选择的影响;同时情感文本中否定词会带来特征项情感极性反转的情况,为特征选择带来较大的负面影响.针对这些问题,首先对情感文本中的否定词进行了检测和判定,对否定词界定范围内的情感特征词进行反义变换处理,有效的解决了情感文本中极性反转的问题.同时还将特征项的情感极性值和其在类中的频率特点两个因素融入到卡方特征选择模型(CHI)中,从而提升了卡方模型在文本情感特征选择的效果.实验结果表明,本文算法较其他算法在多个领域数据集上的情感分类准确率提高了1.5%左右.     

基于微博表情符号的情感词典构建研究

基于微博表情符号,提出一种自动构建情感词典的方法。 从微博平台抓取大量带有表情符号的微博文本,并依据表情符号对微博文本进行情感倾向标注,生成情感语料库。 对语料库进行分词、去重等预处理工作,根据词性规则抽取微博文本中情感词,统计每个情感词在正向和负向语料库中出现的次数,计算情感词的卡方统计值获得情感强度,根据情感词在正负微博文本中出现的概率判定情感词的倾向性,进而生成情感词典。 这是一种全新的思路。 以人工标注的情感词典为基准数据,实验结果表明,本文方法标注情感词的准确率在80%左右,在情绪词强度阈值θ为20、30时,生成情感词典综合F值最好,达到了82%以上。      

健美操教学对不同体型、性别大学生身体自尊影响的探究

身体自尊水平会直接影响到个体对自己的评价,通过健美操教学可以提高身体自尊的水平,从而保障个体自身的心理健康,促进其全面发展。本研究采用问卷调查法、实验法对被试者身体自尊水平进行测试,运用数理统计卷调查结果进行分析。结果显示：不同体型、性别在身体自尊总分、身体自我价值感、运动能力、身体状况、身体吸引力和身体素质等分维度的后测时没有显著差异;进一步交互作用分析发现,组别和性别在运动能力子维度上有显著差异,性别和体型在身体状况上有显著差异;组别和体型在健美操对学生自尊的影响上交互作用没有达到显著性。     

融合粗糙数据推理的卷积记忆网络文本情感分析

为解决现有情感分类算法在特征提取中缺乏对语义关联规则的运用,以及在分词后产生大量与情感预测无关的词,导致挖掘出的特征不具代表性的问题。提出一种融合粗糙数据推理的卷积记忆网络情感分析模型。通过上下文信息使用粗糙数据推理获得文本的情感词集Word2Vec词向量表示,并融合FastText词向量来改进特征向量嵌入层。其次使用卷积神经网络（CNN）拼接双向长短期记忆网络（BiLSTM）提取更深层次的情感特征。最后加入Attention机制计算权重,筛选显著重要特征。通过多组对比实验表明该模型具有较高的准确率和F1值,有效提升了情感分类的预测能力。     

融合情感词典的改进BiLSTM-CNN+Attention情感分类算法

传统机器学习和深度学习模型在处理情感分类任务时会忽略情感特征词的强度,情感语义关系单薄,造成情感分类的精准度不高。本文提出一种融合情感词典的改进型BiLSTM-CNN+Attention情感分类算法。首先,该算法通过融合情感词典优化特征词的权重;其次,利用卷积神经网络(CNN)提取局部特征,利用双向长短时记忆网络(BiLSTM)高效提取上下文语义特征和长距离依赖关系;再结合注意力机制对情感特征加成;最后由Softmax分类器实现文本情感预测。实验结果表明,本文提出的情感分类算法在精确率、召回率和F值上均有较大提升。相较于TextCNN、BiLSTM、LSTM、CNN和随机森林模型,本文方法的F值分别提高2.35%、3.63%、4.36%、2.72%和6.35%。这表明该方法能够充分融合情感特征词的权重,利用上下文语义特征,提高情感分类性能。该方法具有一定的学术价值和应用前景。     

基于不平衡情感分类的Lasso-Lars特征选择方法研究

基于Lasso回归和支持向量机分类器,首先利用Lasso回归具有变量筛选的特点,过滤部分不重要的特征,然后利用支持向量机分类器做情感提取.在某化妆品品牌的评论数据实验中,利用基础情感词典和领域情感词典构建待选择高维特征集,通过对比特征选择前后的G-means,精确度和召回率等,均取得显著效果.     

基于脑电的轻装作业操作者脑力负荷与绩效的分析

针对脑力负荷过高或过低导致产品质量低、生产效率低的问题,采用脑电(EEG)生理测量技术,模拟轻装产品的手工装配生产。设计了单产品装配和产品组合装配实验方案,探究操作者脑力负荷与工作绩效之间的关系。采集了25位志愿者的EEG负荷指标、装配完成率和装配时间三种指标数据,分析结果表明:EEG负荷指标的波动趋势可以有效地反映操作者的任务绩效,但波动状态与具体装配任务有关;与单产品装配方式相比,产品组合装配方式可以在保证装配质量的前提下有效缓解操作者脑力负荷。研究结果提升了手工装配作业下操作者脑力负荷波动状态的认识,有助于管理者制定更优的产品生产计划方案。