[发明专利]一种基于SPFA算法的多动机情感生成方法

权利要求书

1.一种基于SPFA算法的多动机情感生成方法，其特征在于，包含以下步骤：

1）构建集成人际关系影响的双层情感生成网络：

（1） 将目标个体对人际关系网络的反应看作一种动机从而产生在人际关系影响下的个体情感；

（2）第一层情感为外部事件或刺激直接与目标个体相关，目标个体有明确动机的条件下所产生的情感，即目标个体的原生情感，该情感由评价得到；

（3）第二层情感为在人际关系影响下目标个体所产生的以维持、修复、报复人际关系为动机所产生的间接情感，该情感也通过评价得到；

所述情感评价包括：

①采用六个基本情感分量表示目标个体VH的情感状态，分别为：高兴Joy(VH)、伤心Sad(VH)、愤怒Anger(VH)、厌恶Disgust(VH)、吃惊Surprise(VH)与恐惧Fear(VH)，取值为[0,e]；

②设定目标个体的个性P为内向或者外向，取值为[-1,1]；

③desirability 表示对事件发生的期望程度，undesirability则相反；

④likelihood_fail表示某事件失败的可能性，Δ likelihood_fail=1- likelihood_fail，与其相对应的是 likelihood_success；

⑤ΔHappy为厌恶对象的高兴值；

2）构建人际关系网络，计算网络中个体对目标个体影响R：

（1）用节点代表个体，有向加权边代表个体之间的关系取值为[-5,5]之间，这样形成人际关系网络图G；其中，人际关系网络包含以下子类型：Y型网络、链式网络、星型网络和环形网络；

（2）将个体对目标个体影响R的计算转化为利用改进的SPFA算法对最短路径的计算；

本发明虚拟人之间的交互关系由一个有向图G={V(G),E(G),φ}来表示；其中顶点V(G)={v₁,...v_n}表示虚拟个体，虚拟人之间的友好程度用有向边E(G)={e_i|i=1,,...n}来表示，e_i=v_mv_n，v_m∈V(G)∧v_n∈V(G)∧m≠n，φ为关联函数；这样每个交互关系受到当事人的最大影响等价于求人机关系图中当事人起点到各个顶点的最小距离；由此根据SFPA算法，系统构建人机关系影响算法；

①对每个节点v的最短路径进行估计并记录在数组array中；②采取动态逼近的方法设立一个先进先出的队列用来保存待优化的结点v_op，③取出队首结点v_u，并且用v_u点当前的最短路径估计值对离开v_u点所指向的结点v_v进行松弛操作，④如果v_v点的最短路径估计值有所调整，且v_v点不在当前的队列中，就将v_v点放入队尾；不断重复步骤③和④，直至队列空为止；

3）计算人际关系影响下的目标个体的混合情感：

（1）通过对事件进行评价，从而产生目标个体的原生情感；

（2）细化目标个体对事件当事人的在人际关系影响下的动机，从而确定目标个体的期望，然后通过评价产生目标个体在人际关系影响下的情感；

（3）将两种情感进行混合形成多动机下的混合情感，包含以下方法：

E_mix=(μ+P)⊙E’_mix，其中P=(u,v) , u,v分别表示个体内向及外向的程度；E’_mix=(E_R+E_O), E_R与E_O分别表示人际关系所产生的情感与个体的原生情感；

其中，所述步骤2）计算个体对目标个体影响R的结果算法为：

①根据步骤2）计算个体对目标个体影响R的结果，确定事件主体与目标个体之间的关系；②如果Rδ0，其中δ为设定参数，目标个体与事件主体关系友好，则设定个体以维护友好关系为动机，即目标个体期望事件主体高兴；

③如果δR-δ，表示目标个体与事件主体关系一般，动机不强烈；

④如果-δR-γ，表示目标个体与事件主体关系僵硬，目标个体既存在修复关系的动机又存在保持敌对关系的动机，因此系统根据目标个体个性P确定其期望；

⑤如果-γR，则表示目标个体与事件主体为敌对关系，这样目标主体的期望为报复事件主体；

其中，所述步骤3）将两种情感进行混合形成多动机下的混合情感，E_mix=(μ+P)⊙E’_mix，其中P=(u,v) , u,v分别表示个体内向及外向的程度；

A、根据目标个体的个性P确定两种情感的权值，个体越外向则其原生情感的权值越大，反之人际关系所产生情感权值越大，但也有一定例外因此加入扰动因子μ；

B、当原生情感分量与人际关系情感分量均小于设定阈值α时，表示两种情感相差不大，对两种情感进行加权和得到最终的混合情感；

C、当原生情感的某个或多个分量与人际关系情感相对应的分量差值大于α时，表示目标个体的动机异常激烈，则对其它动机进行抑制，只产生该动机下的情感。