УДК 004.81

МЕТОД РАСПОЗНАВАНИЯ ЭМОЦИЙ ПРОГРАММНЫХ АГЕНТОВ

Коротков Владислав Владимирович1, Вахтин Алексей Александрович2
1Воронежский государственный университет, магистрант факультета компьютерных наук
2Воронежский государственный университет, кандидат физико-математических наук, доцент кафедры программирования и информационных технологий

Аннотация
В статье рассматривается метод реализации в эмоциональных программных агентах процесса распознавания эмоций друг друга на основе применения наивного байесовского классификатора. Предлагаемый подход предусматривает совмещение результатов когнитивной оценки ситуации и распознавания на основе наблюдаемых признаков.

Ключевые слова: , , , , ,


Библиографическая ссылка на статью:
Коротков В.В., Вахтин А.А. Метод распознавания эмоций программных агентов // Современная техника и технологии. 2017. № 5 [Электронный ресурс]. URL: https://technology.snauka.ru/2017/05/13494 (дата обращения: 13.07.2023).

Задача моделирования правдоподобного эмоционального поведения имеет ключевое значение для ряда областей, где присутствуют виртуальные человекоподобные персонажи или машинные интерфейсы, копирующие человеческие методы коммуникации: видеоигры, виртуальные симуляторы, интерактивные учебные курсы и т.д. Существует достаточное количество теоретических и практических работ по моделированию эмоций у программных агентов [1]. Однако создание полноценного искусственного эмоционального интеллекта предполагает также придание им способности распознавания эмоций друг друга в условиях частично наблюдаемой среды.

При разработке алгоритма распознавания стоит руководствоваться следующими наблюдениями:

  • Представления о паттернах эмоционального поведения у разных субъектов могут разниться
  • Программные агенты могут внедряться в различные среды, предполагающие разные виды эмоционального поведения, в том числе отличные от тех, что свойственны человеку
  • В деле распознавания эмоций человек опирается как на наблюдаемые эмоциональные признаки, так и на когнитивную оценку текущей ситуации [2]
  • Агенты могут испытывать различные эмоции одновременно

Нецелесообразно и непрактично формировать для каждого агента обучающую выборку, как это принято в классической задаче классификации. Достаточно задать некоторые шаблоны признаков, отражающие индивидуальное понимание агента о проявлениях тех или иных эмоций. Потому для этой задачи не подойдут классификаторы, оперирующие с обучающими выборками или заранее построенными по ним структурами данных, такими как деревья принятия решений. Предлагается использовать для этой цели наивный байесовский классификатор, который позволяет формализовать представления агента о проявлениях эмоций путём задания вероятностей P(fk|Ci), где fk – k-тый признак, а Ci – i-тый класс эмоций. Пусть (f1,…,fN) – входной вектор признаков, С1,…,СM – возможные классы эмоций, тогда классификация производится по методу максимума апостериорной вероятности:

Знаменатель является константой, потому может быть опущен. Т.к. предполагается возможность смешения нескольких эмоций, задача сводится к многозначной классификации: распознаётся каждый класс Ci, для которого апостериорная вероятность превысит пороговое значение [3]:

В качестве порогового значения обычно используется среднее арифметическое вероятностей:

Чтобы предотвратить возможность арифметического переполнения снизу вследствие перемножения мелких чисел, можно переформулировать проблему с использованием свойств логарифма:

Как было сказано ранее, условные вероятности P(fk|Ci) задаются для каждого агента индивидуально. Априорные же вероятности появления классов P(Ci)  могут быть получены исходя из когнитивной оценки ситуации, либо приравнены друг другу в случае распознавания только на основе наблюдаемых признаков. Итоговая схема распознавания эмоций представлена на рисунке 1.

Рисунок 1. Схема распознавания эмоций программного агента

Реализация стадии оценки ситуации зависит от используемой оценочной теории эмоций. Существует несколько оценочных теорий, среди которых OCC, Lazarus, Scherer и некоторые другие [4]. Базовая идея всех таких теорий заключается в интерпретации эмоций как ответной реакции на воспринимаемые последовательности событий и действий, объекты окружающего мира. События оцениваются относительно целей, убеждений и знаний агента. Результат оценки формулируется в виде оценочных переменных, набор которых в различных теориях может разниться. Соответственно, история произошедших ранее событий, связанных с агентом, может быть использована для корректировки ожиданий относительно его эмоционального состояния. Априорная вероятность эмоций, вызванных у агента недавними событиями, должна быть выше прочих и обратно пропорциональна прошедшему с момента события времени. Кроме того, можно учитывать информацию о последнем известном на данный момент эмоциональном состоянии агента.

Таким образом, описанным в статье способом наивный байесовский классификатор может быть адаптирован для реализации распознавания эмоций программных агентов в произвольной среде.


Библиографический список
  1. Kowalczuk Z. Computational Approaches to Modeling Artificial Emotion – An Overview of the Proposed Solutions / Z. Kowalczuk, M. Czubenko // Frontiers in Robotics and AI. – 2016. – Vol. 3. – Article 21.
  2. Newen A. Emotion Recognition as Pattern Recognition: The Relevance of Perception / A. Newen, A. Welpinghus, G. Juckel // Mind & Language. – 2015. – Vol. 30. – Issue 2. – P. 187-208
  3. Zhihua W. A Naive Bayesian Multi-label Classification Algorithm With Application to Visualize Text Search Results / W. Zhihua [etc.] // International Journal of Advanced Intelligence. – 2011. – Vol. 3. – № 2. – P. 173-188.
  4. Moors A. Appraisal Theories of Emotion: State of the Art and Future Development / A. Moors [etc.] // Emotion Review. – 2013. – Vol. 5. – Issue 2. – P. 119-124.


Все статьи автора «Влад Коротков»


© Если вы обнаружили нарушение авторских или смежных прав, пожалуйста, незамедлительно сообщите нам об этом по электронной почте или через форму обратной связи.

Связь с автором (комментарии/рецензии к статье)

Оставить комментарий

Вы должны авторизоваться, чтобы оставить комментарий.

Если Вы еще не зарегистрированы на сайте, то Вам необходимо зарегистрироваться: