[发明专利]基于心情指数的多层情感计算方法

权利要求书

1.一种基于心情指数的多层情感计算方法，其特征在于：包括以下步骤，

步骤1、根据输入的刺激向量，计算当前时刻的心情指数M(t)；

步骤2、根据输入刺激和心情指数，计算当前时刻的情感强度E(t)；

步骤3、根据情感强度和状态转移概率矩阵，计算状态转移后的情感概率，并输出概率值最大的情感状态。

2.如权利要求1所述的基于心情指数的多层情感计算方法，其特征在于，步骤1具体包括以下步骤：

步骤1.1、基于OCEAN性格矢量计算基础心情M_b；

步骤1.2、根据外部刺激，计算熟悉度和好感度，进而计算心情变化量；

步骤1.3、计算心情指数随时间的衰减；

步骤1.4、计算当前心情指数M(t)。

3.如权利要求2所述的基于心情指数的多层情感计算方法，其特征在于，步骤1中，

步骤1.1具体为：性格是一个不变的量，采用五元组P＝[p_O,p_C,p_E,p_A,p_N]来描述，用基础心情M_b来表示性格对基础心情的影响程度，具体计算如下：

M_b＝XP^T＝[x₁,x₂,x₃,x₄,x₅][p_O,p_C,p_E,p_A,p_N]^T

＝x₁p_O+x₂p_C+x₃p_E+x₄p_A+x₅p_N

其中，为OCEAN模型中，5种人格因素对心情的影响系数；T表示矩阵的转置运算；

步骤1.2具体为：通过刺激极性S_polar∈[-1,1]、熟悉度D_familiar∈[0,1]、好感度D_favor∈[-1,1]三个参数综合计算心情变化量M_c；根据外部刺激值，刺激极性的计算公式为：

S_polar＝Φ(t)Q^T＝[φ₁(t),φ₂(t),...,φ_n(t)][q₁,q₂,...,q₆]^T

其中，Φ(t)＝[φ₁(t),φ₂(t),...,φ₆(t)]为刺激向量，φ_i(t)∈[0,1],i＝1,2,...,6，为外界刺激事件对6种基本情感的诱发变化；Q＝[q₁,q₂,...,q₆],且为刺激的极性系数；T表示矩阵的转置运算；

熟悉度与交互频率f_a和交互间隔d_a有关，具体计算公式为：

$D_{familiar}=e^{-0.5d_a}\×(1-e^{-f_a})$

其中，e为自然底数；

好感度与历史交互有关，计算公式如下：

D_favor(t)＝D_favor(t-1)+ΔD_favor

${\mathrm{\ΔD}}_{favor}=(1-e^{-S_{polar}})/(1+e^{-S_{polar}})$

其中，ΔD_favor为一次交互引起的好感度的变化量；

综合熟悉度和喜好度，心情变化量M_c计算如下：

$M_o=\left\{\begin{array}{ccc}1-e^{(D_{familiar}\×D_{favor})}& if& D_{favor}\>0\\ e^{(D_{familiar}\×D_{favor})}-1& if& D_{favor}\≤0\end{array}\right.;$

步骤1.3具体为：心情指数的衰减函数如下：

M′(t)＝M(t-1)×e^-Mb；

步骤1.4具体为：综合步骤1.1、1.2、1.3的计算，得到当前心情指数M(t)如下：

M(t)＝(1-α)M(t-1)+αM′(t-1)

M(0)＝M_b

其中，α,β∈(0,1)分别为心情衰减系数和心情变化影响系数。