虚拟学习环境下基于情感计算流程的Agent模型研究

论文摘要

情感计算是人工智能和认知科学一直关注的难题,也是创建和谐人机交互环境的重要内容。如何构筑一个能进行情感识别和生成的类生命体是情感计算和人工智能的热点问题。由于目前的虚拟学习环境或远程教育系统缺乏表现学习属性的个性化情感的交互,实际效果与传统面对面教育有明显的差异,加之情感计算学科也缺乏对于情感产生完整过程的研究与表示,因此本文以虚拟学习环境为情感计算的研究载体,以人工心理和情感计算理论为导向,通过心理分析、行为调查、功能映射、模拟计算等手段,进一步探讨了情感产生与发展机制、学习动机及其与学习情感的映射关系、情感模拟过程以及智能Agent实现方法等问题,为提高虚拟学习环境的教学效果及促进教育信息化发展提供相关理论与技术支持。具体研究内容如下:（一）提出了计算机处理情感的基本流程（FAC——flow ofaffective computing）。首先提出将计算机模拟情感视为一个完整的事件过程的思想,然后对情感的产生、发展、表现的一系列具有本质联系的连续流程以及其驱动、运行原因进行深入的探讨与研究,最后综合情绪心理学领域的相关研究成果,针对情感计算的特点与需求,分析、概括出情感产生发展的机理,为情感建模提供有利的理论支持。（二）建立了情感与学习的映射关系。论述性格属性就是动机系统——即情感的个性化模型。在学习过程中这种动机系统称为学习动机。学习动机反映个体的性格属性,决定了学习情感的个性化。将学习情感视为学习动机基础与人格系统,并将其作为情感个性化的底层,通过论证两种典型学习动机理论的意义以及在虚拟学习环境中的实用价值,并根据其含义与特点建立学习动机模型——以成就动机理论作为模型的整体框架,以驱力论模型作为细节算法,用于具体计算不同学习者的学习动机。（三）根据FAC理论建立具体的基于认知规则的FAC模型结构,将处理节点按照功能特性封装在FAC模型各模块,并对模块进行详细的设计与框架搭建,用于模拟人的学习过程中的情感激发过程。每个模块用于表示情感激发过程的各个节点,它根据上层输入与学习者个性及情感状态得到不同的处理结果。考虑学习者的个体属性,通过大量实验与测试,经过BP方法拟合得到个体的学习动机,并以此构建人格系统,从而使FAC模型能够激发个性化情感。（四）以几个最具代表性且受到广泛研究的Agent-BDI设计思想为基础,提出适应学习过程的基于FAC模型的Agent实现方法,该方法是一套适合FAC模型的、易于实现的、符合情感激发本质的Agent实现方法,用于实现各Agent功能模块,解决多Agent间的响应与交互问题,并将多Agent组织结构进行规划与设计,依据此方法对FAC模型中的个体Agent进行建模与实现。最后,结合研究成果与理论特点,选取了相关算法与技术手段,进行了程序实现与验证,将FAC-Agent最终构筑成一个能进行自主情感识别和生成的类生命体——虚拟人,它可以随学习者在虚拟环境中一起进行学习,并模拟出学习者真实的情感变化。同时对论文所作的研究工作进行了总结,指出了本论文所需进一步研究的问题和内容。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第一章 绪论
• 1.1 虚拟学习环境概述
• 1.2 情感计算概述
• 1.2.1 情感识别与情感合成
• 1.2.2 情绪的认知评价理论
• 1.3 智能体（Agent）技术概述
• 1.3.1 智能Agent与情感计算
• 1.3.2 智能Agent与认知过程
• 1.3.3 智能Agent与虚拟学习环境
• 1.4 小结——情感计算应用于虚拟教育环境中的前景
• 1.5 论文的研究内容与结构
• 第二章 基于情绪心理学的情感计算建模理论与流程
• 2.1 现有情感计算模型的不足
• 2.2 情绪心理学概述
• 2.3 情绪的产生机理
• 2.3.1 认知取向的情绪理论
• 2.3.2 唤起
• 2.3.3 意义分析与情感体验
• 2.4 情绪本质与行为驱力
• 2.4.1 人格系统
• 2.4.2 行为驱力
• 2.5 情感计算流程（FAC）
• 2.6 实验方案与结果
• 2.7 小结
• 第三章 学习动机模型
• 3.1 学习动机理论概述
• 3.1.1 驱力理论
• 3.1.2 成就动机
• 3.2 学习动机模型
• 3.3 情感在虚拟学习环境中作用
• 3.3.1 动机在情绪理论中的重要地位
• 3.3.2 动机与人格系统
• 3.4 基于情感计算学习动机模型
• 3.4.1 个性空间（人格属性）
• 3.4.2 心情空间
• 3.4.3 情感空间
• 3.4.4 个性、心情及情感相互关系
• 3.4.5 个性化学习动机模型
• 3.5 小结
• 第四章 基于情感计算流程的个性化学习情感模型研究
• 4.1 FAC模型的构成
• 4.2 情感激发条件理论
• 4.2.1 事件预期情感
• 4.2.2 行为准则情感
• 4.2.3 事物喜好情感
• 4.2.4 叠加情感
• 4.2.5 混合情感
• 4.3 FAC模型结构个性化特性——人格系统
• 4.4 感应器——筛选刺激
• 4.5 评价器——刺激判定
• 4.5.1 事件定义
• 4.5.2 行为定义
• 4.5.3 事物定义
• 4.5.4 评价过程实现方式
• 4.6 意义分析器——情感的激发
• 4.6.1 规则模块
• 4.6.2 唤起绑定结构——EBSS
• 4.6.3 唤起绑定过程
• 4.6.4 意义分析过程
• 4.7 情感产生
• 4.8 小结
• 第五章 基于Agent-BDI的情感计算流程模型的实现方法
• 5.1 Agent的设计思想
• 5.1.1 面向Agent设计思想的提出
• 5.1.2 面向Agent设计思想与面向对象设计思想的关系
• 5.1.3 基于BDI结构的Agent的设计思想
• 5.2 基于FAC的Agent模型的实现方法
• 5.2.1 Agent的信念—愿望—意图（BDI）的一般结构
• 5.2.2 分析阶段
• 5.2.3 设计阶段
• 5.2.4 BDI-Agent模型设计
• 5.3 各功能FAC-Agent模型建立过程
• 5.3.1 处理器类角色
• 5.3.2 分类器类角色
• 5.4 小结
• 第六章 FAC-Agent在虚拟学习环境中的应用
• 6.1 建立FAC模型结构个性化特性——人格系统
• 6.1.1 成就动机的确定
• 6.1.2 典型事件、行为、事物预期的确定
• 6.1.3 利用反向传播算法（BP）确定人格系统
• 6.2 实现FAC-Agent虚拟人
• 6.2.1 移动代理aglet
• 6.2.2 利用aglet实现FAC-Agent虚拟人
• 6.3 建立虚拟学习环境
• 6.3.1 功能模型
• 6.3.2 系统构架
• 6.3.3 数据和存储管理层
• 6.3.4 数据访问层
• 6.3.5 业务逻辑层
• 6.3.6 用户界面逻辑层
• 6.3.7 表现层
• 6.3.8 系统技术结构
• 6.4 应用过程与效果检验
• 6.4.1 注册与登录
• 6.4.2 学生客户端
• 6.4.3 教师客户端
• 6.5 小结
• 结论与展望
• 参考文献
• 致谢
• 攻读学位期间发表的学术论文目录
• 附录1
• 附录2
• 附录3