Affective-CARA：基于知识图谱驱动的文化适应情感智能框架
人机交互
2025-06-18 v1
摘要
文化适应的情感响应是情感计算中的关键挑战。本文提出Affective-CARA，一个智能体框架，旨在通过整合源自StereoKG的文化情感知识图谱、情绪-唤醒-支配（Valence-Arousal-Dominance）标注、文化特定数据以及跨文化校验机制，来增强用户与智能体之间的交互，最大限度地减少偏见。Gradient-Based Reward Policy Optimization机制进一步根据文化对齐性、情感恰当性和用户反馈迭代进行细化。Cultural-Aware Response Mediator协调知识检索、强化学习更新和历史数据融合。通过将实时用户输入与过去情感状态及文化洞察相结合，Affective-CARA为生成深入个人化且符合多元文化规范的叙事提供了可能。在AffectNet、SEMAINE DB和MERD上的评估表明，该框架在情感对齐、文化适应和叙事质量方面 consistently优于基线模型。Affective-CARA实现了9.32分（满分10分）的文化语义密度，并将文化代表性偏见降低61%（KL-Divergence: 0.28），展现出在生成伦理、适应性响应方面稳健的性能。这些发现表明Affective-CARA有望在跨文化交流、心理健康支持和教育等领域， fostering更具包容性和同理性的交互体验。
引用
@article{arxiv.2506.14166,
title = {Affective-CARA: A Knowledge Graph Driven Framework for Culturally Adaptive Emotional Intelligence in HCI},
author = {Nirodya Pussadeniya and Bahareh Nakisa and Mohmmad Naim Rastgoo},
journal= {arXiv preprint arXiv:2506.14166},
year = {2025}
}