孫 穎，遠(yuǎn)雪霏

(1.天津大學(xué)教育學(xué)院，天津 300072;2.天津大學(xué)理學(xué)院，天津 300072)

HMM的情緒模型對(duì)個(gè)體心理健康的預(yù)測(cè)及其功能實(shí)現(xiàn)

孫 穎1，遠(yuǎn)雪霏2

(1.天津大學(xué)教育學(xué)院，天津 300072;2.天津大學(xué)理學(xué)院，天津 300072)

基于隱馬爾可夫鏈構(gòu)造了一個(gè)情緒概率空間，定義了情緒預(yù)測(cè)用的基本情緒狀態(tài)，以及個(gè)體情緒的基本變化轉(zhuǎn)移過(guò)程，建立了預(yù)測(cè)個(gè)體情緒變化的情緒預(yù)測(cè)模型，并基于個(gè)體固有的個(gè)性情緒特征，對(duì)不同個(gè)體的情緒變化進(jìn)行預(yù)測(cè)，繪制情緒圖譜，給出了情緒能量、情緒強(qiáng)度和情緒熵等概念，用以描述情緒特征與情緒狀態(tài)。通過(guò)Matlab的仿真計(jì)算，驗(yàn)證此預(yù)測(cè)模型可以較好地模擬情緒狀態(tài)自發(fā)轉(zhuǎn)移的動(dòng)態(tài)過(guò)程，可用于個(gè)體的情緒預(yù)測(cè)模擬計(jì)算，為個(gè)體心理咨詢和心理健康教育提供了一種新的路徑，是心理建檔時(shí)可依循的可靠數(shù)據(jù)資料。

情緒預(yù)測(cè)模型;隱馬爾可夫模型;心理健康

一、引 言

1.情緒研究的現(xiàn)狀

情緒是指?jìng)€(gè)體在受到某種刺激時(shí)所產(chǎn)生的一種激動(dòng)狀態(tài)［1］。情緒是個(gè)體行為的重要驅(qū)動(dòng)力，它影響著人們認(rèn)知活動(dòng)的方向、行為的選擇、人格的形成以及人際關(guān)系的處理。情緒一直被心理學(xué)家認(rèn)為是影響人類行為的一個(gè)重要方面［2］。情緒是智能活動(dòng)的組織者，即行為選擇作為智能活動(dòng)的核心，是通過(guò)情緒來(lái)組織實(shí)現(xiàn)的，情緒一直是人格心理學(xué)家關(guān)注的核心領(lǐng)域［3］。人類的情緒是一個(gè)十分復(fù)雜的現(xiàn)象，包含著豐富的內(nèi)容。情緒是以個(gè)體的愿望和需要為中介的一種心理活動(dòng)，是人類特有的。它可以通過(guò)語(yǔ)言表達(dá)，也可以通過(guò)面部表情、體態(tài)等非言語(yǔ)的形式表達(dá)。當(dāng)客觀事物或情境符合主體的需要和愿望時(shí)，就會(huì)產(chǎn)生積極、肯定的情緒。當(dāng)然，當(dāng)客觀事物或情境不符合主體的需要和愿望時(shí)，就會(huì)產(chǎn)生消極否定的情緒。

情緒是個(gè)體心理健康的晴雨表，是心理病理的一個(gè)預(yù)測(cè)指標(biāo)。正性情緒(如樂(lè)觀、熱情等)有利于個(gè)體處于心理健康狀態(tài)，而負(fù)性情緒(如悲觀、抑郁、焦慮等)則容易引發(fā)個(gè)體心理障礙［4］。在現(xiàn)代社會(huì)中，個(gè)體由于各種情緒困擾產(chǎn)生心理障礙，導(dǎo)致危機(jī)事件發(fā)生的案例有不斷上升的趨勢(shì)［5］。個(gè)體如果不對(duì)負(fù)性情緒加以控制，而任其隨意產(chǎn)生和變化，不論是對(duì)個(gè)人心理健康，還是對(duì)人與人之間關(guān)系的處理，都將造成非常消極的影響，嚴(yán)重地影響著個(gè)體的生命質(zhì)量。因此，關(guān)注個(gè)體情緒的發(fā)生和發(fā)展，對(duì)心理健康教育也有著十分重要的意義［6］，將情緒測(cè)量與臨床診斷及適合個(gè)體的治療技術(shù)緊密相連，成為未來(lái)心理咨詢領(lǐng)域的一個(gè)趨勢(shì)，即通過(guò)對(duì)情緒的預(yù)測(cè)和解讀，能夠更好地維護(hù)個(gè)體的心理健康水平。

2.情緒預(yù)測(cè)的概述

情緒受個(gè)體固有性格的影響，當(dāng)然也因所經(jīng)歷的生活事件的刺激而變化。情緒是個(gè)體固有性格和生活事件二者的函數(shù)。在二者的共同作用下，個(gè)體的情緒會(huì)從一個(gè)狀態(tài)變化到下一個(gè)狀態(tài)中，這種狀態(tài)轉(zhuǎn)移必然對(duì)個(gè)體和他的周圍環(huán)境產(chǎn)生影響，并由于二者的交互影響，在一定程度上左右個(gè)體的行為和心理健康狀態(tài)。如果情緒的狀態(tài)向著負(fù)性的方向轉(zhuǎn)移，就可能導(dǎo)致各種心理疾患的發(fā)生。為此，心理咨詢和心理治療工作者，乃至教育工作者一直都希望有一些具體的預(yù)測(cè)工具來(lái)幫助他們了解來(lái)訪者和受教育者的情緒變化規(guī)律。但是到目前為止，由于缺乏對(duì)直接預(yù)測(cè)工具的研究，心理學(xué)工作者通常只能借助心理測(cè)評(píng)量表對(duì)來(lái)訪者“過(guò)去一周”或“過(guò)去一個(gè)月”、“過(guò)去的半年”等信息的分析，依靠個(gè)人的臨床經(jīng)驗(yàn)對(duì)來(lái)訪者未來(lái)的可能情緒狀態(tài)進(jìn)行定性的判斷，而根本不可能對(duì)個(gè)體情緒能量、情緒強(qiáng)度和情緒熵等動(dòng)態(tài)指標(biāo)進(jìn)行預(yù)測(cè)。由于每個(gè)咨詢師的臨床經(jīng)驗(yàn)不同，對(duì)同一個(gè)來(lái)訪者的情緒變化的分析會(huì)不一致，而且只是定性的分析，缺少定量的、直觀的數(shù)據(jù)支持，無(wú)形中降低了心理咨詢的科學(xué)評(píng)價(jià)功能。

因此，如果能夠像身體檢查那樣，有更科學(xué)的手段，通過(guò)對(duì)個(gè)體歷史情緒資料的數(shù)據(jù)采集，來(lái)推測(cè)個(gè)體情緒的可能變化規(guī)律，幫助心理咨詢師更直觀地看到個(gè)體“未來(lái)”的“情緒圖譜”，就不僅可以對(duì)大學(xué)生的休學(xué)、退學(xué)、死亡等可能引起的情緒困擾提前預(yù)知，針對(duì)這個(gè)“情緒圖譜”為個(gè)體制定診斷方案，進(jìn)行提早干預(yù);而且可以幫助教育工作者根據(jù)“情緒圖譜”，對(duì)學(xué)生展開(kāi)有針對(duì)性的情緒調(diào)節(jié)訓(xùn)練，或提出有針對(duì)性的拓展訓(xùn)練計(jì)劃，提升大學(xué)生的情緒智力。

二、情緒預(yù)測(cè)的心理建模理論概述

1.情緒數(shù)據(jù)

“情緒計(jì)算”一詞最初由美國(guó)麻省理工學(xué)院的Picard提出，她將其定義為“關(guān)于情緒、由情緒引發(fā)以及意圖影響情緒的計(jì)算”［7］。由于情緒的真值不是顯而易見(jiàn)的，因此為獲得情緒的真值，有必要對(duì)情緒數(shù)據(jù)進(jìn)行心理學(xué)度量。情緒數(shù)據(jù)應(yīng)該具有自然度，數(shù)據(jù)的自然度是指被試的情緒表現(xiàn)與其在真實(shí)生活中的情緒表現(xiàn)相似的程度。其自然度越高，情緒數(shù)據(jù)越接近真實(shí)的情緒表現(xiàn)，情緒計(jì)算技術(shù)也越容易從實(shí)驗(yàn)室過(guò)渡到實(shí)際應(yīng)用中［8］。因此，本研究采取從大學(xué)生真實(shí)的、日常生活中提取數(shù)據(jù)的方式。

2.情緒圖譜

近幾年，隨著人工心理、智能機(jī)器人的研究，對(duì)人類情緒進(jìn)行模擬成為這一研究領(lǐng)域的熱點(diǎn)。開(kāi)始的時(shí)候，研究者并沒(méi)有將情緒作為智能仿真的重點(diǎn)，在學(xué)者們看來(lái)，情緒是非理性的，由于機(jī)器人和智能體需要在不確定環(huán)境條件下實(shí)現(xiàn)自主性行為選擇，研究人員才將其注意力轉(zhuǎn)移到情緒方面［3］。盡管心理健康教育領(lǐng)域中有關(guān)情緒模擬的研究還非常少，但借鑒人工智能領(lǐng)域的思想，完全有可能使心理健康教育走出只是停留于量表制作與完善方面的工作范疇，從而在情緒預(yù)測(cè)方面向前跨出更為實(shí)質(zhì)的一步。

在心理學(xué)理論和信息科學(xué)的支撐下，嘗試著運(yùn)用隱馬爾可夫模型(hidden Morkov model，HMM)對(duì)個(gè)體的情緒進(jìn)行預(yù)測(cè)。HMM是一種用參數(shù)表示的，在Markov鏈的基礎(chǔ)之上發(fā)展起來(lái)的，用于描述隨機(jī)過(guò)程統(tǒng)計(jì)特性的概率模型。狀態(tài)不能直接被看到，而是通過(guò)一個(gè)隨機(jī)過(guò)程去感知狀態(tài)的存在及其特性。這一點(diǎn)與情緒的特性非常相似，特別是HMM信號(hào)模型為描述情緒信號(hào)處理過(guò)程提供了理論基礎(chǔ)，從而可以獲得期望的輸出;同時(shí)，情緒信號(hào)建?？梢宰屛覀兏玫匮芯啃盘?hào)源——情緒過(guò)程，并且可以模擬信號(hào)源產(chǎn)生信號(hào)?？傊訦MM的情緒模型為基礎(chǔ)，將情緒視為表征生命體心智狀態(tài)的一種信息，認(rèn)為情緒信息是情緒過(guò)程產(chǎn)生的觀察序列，并假定這種情緒過(guò)程是一種馬爾可夫過(guò)程。HMM具有上述優(yōu)勢(shì)，又符合人類情緒過(guò)程的行為規(guī)律，因而本文選用HMM作為對(duì)情緒信息的建模方法。其中的觀察值對(duì)應(yīng)人類表征的情緒指數(shù)，其中隱含的狀態(tài)對(duì)應(yīng)人類內(nèi)隱的心情。

建立情緒預(yù)測(cè)的模型，目的是實(shí)現(xiàn)對(duì)個(gè)體情緒的模擬，通過(guò)個(gè)體的歷史數(shù)據(jù)，預(yù)測(cè)在未來(lái)一段時(shí)間內(nèi)個(gè)體可能產(chǎn)生的情緒反應(yīng)序列。參照這樣的時(shí)間序列，可以直觀、確切地描繪出個(gè)體的“情緒圖譜”，這一情緒圖譜如同對(duì)個(gè)體進(jìn)行身體檢查的心電圖一樣直觀，同時(shí)它也如同經(jīng)濟(jì)預(yù)測(cè)曲線一樣，具有在既往歷史數(shù)據(jù)的基礎(chǔ)上，將未來(lái)情緒的發(fā)展走勢(shì)描繪出來(lái)，以幫助人們更好地對(duì)所測(cè)試個(gè)體的過(guò)去和未來(lái)有一個(gè)直觀的、量化的描述。

3.情緒的三個(gè)空間狀態(tài)

本文將情緒分為高興、平靜、不高興3個(gè)狀態(tài)空間，它們對(duì)應(yīng)的是隱馬爾可夫模型中的狀態(tài)數(shù)M，自評(píng)或他評(píng)的情緒指數(shù)視為離散變量，對(duì)應(yīng)于隱馬爾可夫模型中的觀察值，這就需要對(duì)每一狀態(tài)空間的情緒強(qiáng)度指數(shù)化。在“高興”這一狀態(tài)空間中定義情緒指數(shù)為1～7，1代表輕度的高興，7代表躁狂(高興的極端表現(xiàn));在“平靜”這一狀態(tài)空間中，用0代表平靜這一情緒指數(shù);在“不高興”這一狀態(tài)空間中定義情緒指數(shù)為-1～-7，-1代表輕度的不高興，-7代表抑郁(不高興的極端表現(xiàn))。

選擇經(jīng)典的離散HMM用于建立情緒預(yù)測(cè)模型，在每種內(nèi)隱心情下，自評(píng)或他評(píng)報(bào)告的情緒指數(shù)會(huì)以一定的概率出現(xiàn)。由于隱馬爾可夫模型由兩部分組成，其中之一是由π、A描述的Markov鏈。顯然，不同的π和A會(huì)決定Markov鏈的不同形狀。在個(gè)體的情緒預(yù)測(cè)模型中，因?yàn)檫z傳因素和從小的受教育環(huán)境不同，個(gè)體固有的情緒穩(wěn)態(tài)的形態(tài)是不一樣的。從任意時(shí)刻開(kāi)始，下一時(shí)刻可能到達(dá)任意狀態(tài)。其Markov鏈為狀態(tài)遍歷的類型。

4.情緒預(yù)測(cè)模型的構(gòu)建方法

利用HMM的Baum-Welch算法實(shí)現(xiàn)了情緒轉(zhuǎn)移概率矩陣和某種心情狀態(tài)下不同情緒輸出概率矢量的參數(shù)估計(jì)。式中:E為情緒熵，即情緒量;pi為第i種情緒狀態(tài)出現(xiàn)的概率;C為與對(duì)數(shù)底及單位選擇有關(guān)的常數(shù)。

Emax代表了我們研究范圍內(nèi)的生命體的情緒復(fù)雜程度的最大值。就是說(shuō)，Emax是上界，越接近此數(shù)值就越意味著具有感情豐富的特征。這種情緒熵是表征了我們所構(gòu)造的情緒的整體表現(xiàn)。而在某一時(shí)刻的情緒穩(wěn)定性可以用情緒熵來(lái)表達(dá)，其定義為式中:ei為在第i種狀態(tài)的情緒熵;pij為第i中情緒狀態(tài)到第j種情緒狀態(tài)的概率;C為與對(duì)數(shù)底及單位選擇有關(guān)的常數(shù)［9］。

因而，對(duì)情緒狀態(tài)及相關(guān)問(wèn)題，存在如下推論。

(1)在任意時(shí)刻，各情緒狀態(tài)的概率之和為1，或者說(shuō)，在任意時(shí)刻，分配給各情緒狀態(tài)的能量之和等于總能量。

(2)在任意時(shí)刻，各情緒狀態(tài)的情緒強(qiáng)度之和總為零。這說(shuō)明各情緒狀態(tài)是互相排斥的，一種狀態(tài)的強(qiáng)度的增加，必然會(huì)使其他情緒狀態(tài)的強(qiáng)度減少。

基于HMM的情緒預(yù)測(cè)模型將人類的情緒過(guò)程視為兩層隨機(jī)過(guò)程，通過(guò)調(diào)整模型的初始參數(shù)，能夠預(yù)測(cè)出具有不同固有情緒特征的個(gè)體的情緒輸出圖譜。作為情緒引擎，以概率的形式預(yù)測(cè)情緒過(guò)程的發(fā)展變化情況。

三、情緒預(yù)測(cè)模型的應(yīng)用

根據(jù)上述情緒預(yù)測(cè)的心理建模理論，本文情緒預(yù)測(cè)模型可以在給定個(gè)體相關(guān)信息后，很好地描述個(gè)體情緒狀態(tài)的變化過(guò)程。

個(gè)體在沒(méi)有引發(fā)情緒劇烈變化的日常生活狀態(tài)(即無(wú)重大生活事件發(fā)生)下，此時(shí)個(gè)體的情緒狀態(tài)相當(dāng)于個(gè)體固有的、通常的穩(wěn)定狀態(tài)，這種穩(wěn)定狀態(tài)是個(gè)體情緒的一種常態(tài)，個(gè)體通常是以此種情緒狀態(tài)與外界接觸的。本文構(gòu)建的情緒預(yù)測(cè)模型可以描繪出該個(gè)體在未來(lái)一段時(shí)間內(nèi)，生活狀態(tài)不發(fā)生重大改變的情況下，個(gè)體情緒圖譜的可能樣式。

例如，我們請(qǐng)同學(xué)甲將自己從清晨醒來(lái)以后的心情為起始點(diǎn)，按照情緒的3個(gè)空間狀態(tài)中分別對(duì)應(yīng)的情緒指數(shù)，每隔30分鐘，進(jìn)行1次自評(píng)。同時(shí)，請(qǐng)同學(xué)乙，經(jīng)常與同學(xué)甲在一起，負(fù)責(zé)每30分鐘提醒同學(xué)甲進(jìn)行自評(píng)，同時(shí)作為旁觀者，同學(xué)乙將自己觀察到的同學(xué)甲的情緒也依照上面同樣的要求記錄下來(lái)。本次實(shí)驗(yàn)，同學(xué)甲從早晨7點(diǎn)開(kāi)始，每隔30分鐘自評(píng)1次，直至晚上睡覺(jué)前，共進(jìn)行了33次自評(píng)。同樣，同學(xué)乙也針對(duì)同學(xué)甲的情緒進(jìn)行了33次的他評(píng)。結(jié)果，我們得到了兩個(gè)序列，見(jiàn)圖1和圖2，圖中的橫坐標(biāo)代表的是測(cè)量的次數(shù)，圖中的縱坐標(biāo)代表的是情緒指數(shù)。

圖1 自評(píng)序列

圖2 他評(píng)序列

在同學(xué)甲提交自評(píng)報(bào)告后，我們對(duì)同學(xué)甲檢測(cè) 《青少年生活事件量表(ASLEC)》，［11］檢測(cè)結(jié)果表明，他最近的3個(gè)月內(nèi)并未遇到重大應(yīng)激，由此可知此次記錄的同學(xué)甲的情緒指數(shù)是該個(gè)體的1種固有的情緒狀態(tài)。

通過(guò)本文設(shè)計(jì)的情緒預(yù)測(cè)模型的運(yùn)算，可以對(duì)個(gè)體固有情緒狀態(tài)轉(zhuǎn)移矩陣A以及情緒強(qiáng)度分布概率矩陣B作出最大似然估計(jì)，即

根據(jù)估計(jì)出的A和B，可以預(yù)測(cè)個(gè)體未來(lái)一段時(shí)間的情緒圖譜，參見(jiàn)圖3和圖4，圖中的橫坐標(biāo)代表的是測(cè)量的次數(shù)，圖中的縱坐標(biāo)代表的是情緒指數(shù)。

圖3 個(gè)體內(nèi)隱情緒發(fā)展的預(yù)測(cè)圖譜

圖4 個(gè)體外顯情緒發(fā)展的預(yù)測(cè)圖譜

從圖中可以看出，在接下來(lái)的日子里，對(duì)同學(xué)甲進(jìn)行跟蹤觀測(cè)，可以發(fā)現(xiàn)他的情緒狀態(tài)與本模型預(yù)測(cè)的情緒變化規(guī)律基本一致。證明該模型與實(shí)際生活擬合良好。

再例如，如果學(xué)生丙在一個(gè)月之內(nèi)受到非常嚴(yán)重的生活事件打擊，打擊將改變其情緒狀態(tài)轉(zhuǎn)移矩陣A，可使用上例中的方法估計(jì)出其受打擊前后的狀態(tài)轉(zhuǎn)移矩陣，再進(jìn)行一系列的情緒預(yù)測(cè)并得出固有情緒收斂點(diǎn)。若學(xué)生丙的狀態(tài)如下，可得出

生活事件發(fā)生前的A矩陣為A1，即

根據(jù)其個(gè)體固有情緒狀態(tài)轉(zhuǎn)移矩陣A可以預(yù)測(cè)學(xué)生丙在一段時(shí)間內(nèi)的情緒序列，經(jīng)Matlab仿真計(jì)算，得到學(xué)生丙在生活事件前后的固有個(gè)性的情緒發(fā)展圖譜，見(jiàn)圖5和圖6。

圖5 學(xué)生丙在重大生活事件之前的固有個(gè)性情緒的情緒發(fā)展圖譜

圖6 學(xué)生丙在重大生活事件之后的固有個(gè)性情緒的情緒發(fā)展圖譜

從兩個(gè)情緒序列中可以看到，由于打擊使該個(gè)體的情緒轉(zhuǎn)移矩陣發(fā)生了變化，由消極情緒轉(zhuǎn)向積極情緒的概率降低，而由積極情緒轉(zhuǎn)向消極情緒的概率增加，導(dǎo)致該個(gè)體在一段時(shí)間內(nèi)出現(xiàn)消極情緒的頻率更高，甚至其情緒發(fā)展圖譜中的平衡點(diǎn)也發(fā)生了顯著變化。情緒發(fā)展圖譜中坐標(biāo)(x，y，z)分別代表個(gè)體處于不高興，平靜，高興3種情緒狀態(tài)的概率。情緒發(fā)展曲線的起始點(diǎn)都是(1/3，1/3，1/3)，從計(jì)算結(jié)果中我們可以看到情緒收斂點(diǎn)已由(0.05，0.333 3，0.616 7)變?yōu)榱?0.766 7，0.116 7，0.116 7)，即已由積極區(qū)域轉(zhuǎn)移到了消極區(qū)域。這樣的預(yù)測(cè)可以提醒教育者對(duì)學(xué)生丙要給予及時(shí)的干預(yù)，針對(duì)其情緒轉(zhuǎn)移矩陣的變化進(jìn)行有效的心理援助，使他及時(shí)的從負(fù)性情緒中走出來(lái)。

這樣的預(yù)測(cè)功能顯然為心理健康教育提供了科學(xué)、客觀、具體的個(gè)體情緒資料。

綜上所述，本文所提出的情緒計(jì)算的基本概念和建模方法，經(jīng)理論推導(dǎo)和仿真計(jì)算，符合人類情緒變化規(guī)律，為情緒預(yù)測(cè)理論的深入研究奠定了基礎(chǔ)，也為建立更為理想的情緒預(yù)測(cè)計(jì)算模型提供了一個(gè)新途徑。

四、結(jié) 語(yǔ)

本文借助隱馬爾可夫模型，將一些經(jīng)驗(yàn)式的理念通過(guò)嚴(yán)格的推導(dǎo)過(guò)程，對(duì)個(gè)體的情緒進(jìn)行預(yù)測(cè)。將情緒信息視為情緒過(guò)程產(chǎn)生的觀察序列，并假定這種情緒過(guò)程是一種馬爾可夫過(guò)程，利用HMM作為對(duì)情緒信息的建模方法。用這種方法建立的模型能夠預(yù)測(cè)情緒信息將來(lái)最有可能出現(xiàn)的觀察值，從而對(duì)情緒的發(fā)展進(jìn)行預(yù)測(cè)，并以個(gè)體的自評(píng)方式輸出。使用Matlab軟件建模，利用Baum-Welch算法進(jìn)行編程并予以實(shí)現(xiàn)，采用此方法可以得到使給定觀察序列出現(xiàn)概率最大的模型參數(shù)估計(jì)結(jié)果。從而為情緒模型參數(shù)的確定提供了一種理論分析方法。應(yīng)用情緒熵的概念，結(jié)合HMM模型，對(duì)個(gè)體的情緒發(fā)展變化情況進(jìn)行預(yù)測(cè)，經(jīng)過(guò)檢驗(yàn)，符合個(gè)體的情緒變化規(guī)律，被證明是一個(gè)具有很好擬合度的情緒預(yù)測(cè)模型。情緒也是生產(chǎn)力，這句話對(duì)受教育者來(lái)說(shuō)，強(qiáng)調(diào)了對(duì)受教育者個(gè)體成長(zhǎng)和心理保健的意義;情緒也是生產(chǎn)力，這句話對(duì)教育者來(lái)說(shuō)，強(qiáng)調(diào)了對(duì)當(dāng)事人情緒發(fā)展的預(yù)測(cè)，即情緒的預(yù)測(cè)功能，使情緒成為心理咨詢中幫助來(lái)訪者走出心靈沼澤的一個(gè)有效咨詢目標(biāo)，這必將提升心理咨詢與心理健康教育的可作為空間。本文所實(shí)現(xiàn)的情緒交互，不是基于行為模式的方法，而是基于統(tǒng)計(jì)模型規(guī)律的，這種情緒建模方法是可行的，并且具有建模簡(jiǎn)單，情緒預(yù)測(cè)的結(jié)構(gòu)易于理解的特點(diǎn)，這樣的研究結(jié)果為將信息科學(xué)引入心理健康教育提供了一種理論設(shè)計(jì)方法。

當(dāng)然，人類的情緒是在一定的環(huán)境中產(chǎn)生的，并且決定于事情發(fā)生的背景和個(gè)人的文化背景。因此，建立一個(gè)普遍適用的情緒模型是相當(dāng)困難的。本文的主要工作就是闡述基于信息科學(xué)的理論及隱馬爾科夫過(guò)程，構(gòu)建情緒模型的實(shí)踐，并討論了個(gè)性參數(shù)對(duì)構(gòu)建的情緒模型的影響，從而驗(yàn)證了該模型對(duì)個(gè)體情緒模擬和預(yù)測(cè)方面的有效性，以及基于HMM的情緒預(yù)測(cè)建模方法的可行性。在未來(lái)的研究中應(yīng)該加大對(duì)不同個(gè)體的測(cè)試數(shù)據(jù)，在更大的范圍內(nèi)進(jìn)行模型的驗(yàn)證，以使該模型生成的情緒預(yù)測(cè)圖譜與對(duì)個(gè)體未來(lái)發(fā)生的真實(shí)情緒有更好的擬合。二者的擬合度越高，該模型給心理咨詢師和教育者提供的信息就越準(zhǔn)確、越豐實(shí)，干預(yù)點(diǎn)的選擇及干預(yù)方案的制定才會(huì)越有效，對(duì)受教育者的幫助才越大。

［1］石 林.情緒研究中的若干綜述［J］.心理學(xué)動(dòng)態(tài)，2000，8(1):63-68.

［2］Bernard L，Rod V W.Psychometric properties of the brief life satisfaction scales［J］.Journal of Clinical Psychology，2004，60(1):11-27.

［3］張國(guó)鋒，李祖樞.基于情緒的人工生命合作型行為選擇機(jī)制［J］.信息與控制，2009，38(6):718-723.

［4］劉連龍，胡明利.大學(xué)生情緒穩(wěn)定性對(duì)心理健康的預(yù)測(cè)作用［J］.西北大學(xué)學(xué)報(bào):哲學(xué)社會(huì)科學(xué)版，2007，37(6):96-99.

［5］Steinhausen H C，Metzke C W.Adolescent self-rated depressive symptoms in a swiss epidemiological study［J］.Journal of Youth Adolescent，2000，29(4):427-440.

［6］鄧麗芳，鄭日昌.大學(xué)生的情緒向性、表達(dá)性與心理健康關(guān)系的研究［J］.心理發(fā)展與教育，2003(2):69-73.

［7］Picard R.Affective Computing［M］.Cambridge:MIT Press，1997:5.

［8］張迎輝，林學(xué)誾.情緒計(jì)算中的實(shí)驗(yàn)設(shè)計(jì)和情緒度量方法研究［J］.中國(guó)圖象圖形學(xué)報(bào)，2009，14(2):292-302.

［9］谷學(xué)靜，王志良，魏哲華，等.基于人工心理理論的情感模型構(gòu)建方法研究［J］.微計(jì)算機(jī)信息，2006，22(2):264-266.

［10］滕少冬，王志良，王 莉，等.基于馬爾可夫鏈的情感計(jì)算建模方法［J］.計(jì)算機(jī)工程，2005，31(5):17-19.

［11］劉賢臣，劉連啟，楊 杰.青少年生活事件量表的編制與信度效度檢驗(yàn)［J］.中國(guó)臨床心理學(xué)雜志，1997(5):34-36.

Application Emotion Model Based on HMM in Mental Health Forecast

SUN Ying1，YUAN Xue-fei2
(1.School of Vocational and Technical Education，Tianjin University，Tianjin 300072，China;2.School of Science，Tianjin University，Tianjin 300072，China)

The paper built an emotion probability space based on Hidden Markov Model.Basic emotions and levels within the emotion space were defined as well as the transition pattern of those emotions.A emotion Forecast Model based on the individual's unique emotion character was built to forecast the spontaneous emotion transferring and produce the emotion transferring diagram.The paper also gave the definition of some concepts describing emotion character and states，such as emotion energy，affective intensity，affective entropy and so on.Simulating computing were done with Matlab software，and the results showed that this kind of emotion model can well simulate the dynamic process of spontaneous emotion transferring，This model can be applied on simulating computing to forecast dynamic emotion change，thus provide a new method for psychological counseling and mental health education，and serve as a reliable resource for mental health assessment and record.

emotion forecast model;hidden Markov model;mental health

G445

A

1008-4339(2011)06-0531-06

2010-11-10.

2011年教育部人文社會(huì)科學(xué)研究規(guī)劃基金資助項(xiàng)目(11YJA190014).作者簡(jiǎn)介:孫 穎(1969— )，女，博士，副教授.

孫 穎，psysun jp@hotmail.com.