人类不仅具有逻辑推理的能力,而且具有产生、控制和表达情感的能力。在人工智能科学赋予计算机逻辑推理能力之后,如何赋予计算机情感已经成为一个重要的研究问题。近年来,情感计算技术自1997年由MIT的多媒体实验的Picard教授提出以后,其研究普遍受到学术界和企业界的关注。情感计算技术研究的终极目标是让计算机具有人类情感的能力,从而建立“以人为主导”的和谐人机交互环境。本文对情感计算的若干关键问题,进行了较深入的研究。主要研究了基于坐标系的混合情感分类方法,基于情感—认知框架的情感趋避度模型,基于动态Q学习算法的情感交互模型,并应用情感Agent的特性,设计了Email中的基于英文文本的情感监测系统,最后应用技术接受模型(TAM)对该邮件情感监测系统进行了测试和评估。论文的主要研究内容和创新点如下:(1)基于坐标系的混合情感分类方法的研究在现有的离散情感理论和情感的维度理论的基础上,提出了基于坐标系的混合情感分类方法。该方法是在2-D坐标系上描述情感,和情感维度模型既相似又不同,相似的是都是在二维平面上来描述情感,而不同的是前者所描述的情感不是一个孤立的点,而是一个情感集合。该方法的提出符合人类复杂的情感变化。最后,应用情感语音建模对本文提出的情感分类方法进行了实验验证。在实验过程中,应用六类基本情感的声学特征建立了语音情感的线性模型,最终通过试验者在2-D坐标系上应用混合情感分类方法来标识情感,实验结果表明该情感分类方法在情感语音辨识系统中具有良好的效果。(2)基于情感—认知—趋避度框架的决策模型的研究情感来源于认知,而认知又对情感具有反作用。应用Agent本身所固有的信念(B)、愿望(D)和意图(I)等特性,定义了情感Agent和认知Agent的概念。为了研究情感Agent的情感智能,首先提出了基于情感智能的认知控制方法。该方法阐述了情感对认知的影响主要体现在内部奖赏上,即正面情感对认知具有正奖赏,而负面情感对认知具有负奖赏(惩罚);接着,构建了基于认知过程的情感趋避框架。在该框架中,把任意的两个随机变量分别定义为趋进度函数和逃避度函数,继而创建了情感Agent对环境刺激所产生的趋避度模型;最后,又根据趋避度函数构建了基于趋避度—学习策略的行为选择框架。因此,三部分内容层层递进构成了情感—认知框架中的情感趋避度模型。实验结果表明了情感—认知、认知—趋避度、趋避度—学习三者之间相互影响又互相依存的关系。(3)基于动态Q学习算法的情感交互模型的研究情感具有“传染性”,即环境对情感变化起着重要的作用。但情感本身不能交互,可以通过它的载体(比如人)来进行交互。本文定义了情感元的概念,情感Agent之间的交互最终归结为情感元之间的交互。情感元之间的交互结果是通过动态Q学习算法得到,动态Q学习算法是在经典Q学习算法的基础上做了改进,将经典算法中的Q函数直接变为动态Q学习算法中的Q函数值,因此大大节约了资源,降低了时间复杂度。继而,构建了基于齐次Markov链的情感元之间的交互模型。最后,通过实验验证了情感的多变性与复杂性。(4)基于英文文本的Email情感监测系统的研究和实现本文这部分内容是对情感计算应用方面研究的拓展和延伸。Email是Internet应用最广的服务之一,在Email中嵌入基于文本内容的情感监测系统有利于构建和谐的人机交互环境。Email中的语句集来源于数据库Commonsence。本文对数据库中的语句进行了筛选,根据这些筛选出来的语句结构创建了四种语句结构模型,最后通过程序语言实现了英文文本的情感监测。在系统实现过程中,用颜色去标识文本的情感倾向,这是本部分内容的又一创新点。(5)用户对Email中的情感界面Agent的TAM的研究这一部分内容是对内容(4)的预测和评估。TAM模型即为技术接受模型。在原TAM模型的研究变量中,引入了“用户实时情感”这一变量。该变量表明,情感在对用户接受某项新技术的过程中起着重要的作用。通过问卷调查、提出假设、信度分析、效度分析、回归分析与假设检验等研究,最终得出,用户对Email中嵌入情感Agent这项技术的接受程度达到了64.4%,由此可见,这项新技术的研发能够带来经济效益,更重要的是能够为用户在使用Email过程中提供方便。