基于深度学习的情感导向行为模型
计算与语言
2023-11-28 v1 人工智能
信息论
math.IT
摘要
情感作为任何社会交互的基本要素，在人类中通过面部表情与手势引发表征交互有效性的行为。因此，智能体必须具备理解与相应回应人类社会参数的社会与认知能力。然而，现有研究中尚未提出此类情感导向行为模型。情感预测可利用对话模态为智能体生成恰当行为以实现有效交互。考虑到情感与行为对智能体社会交互的重要性，本文提出一种面向社认知人工智能体的基于情感的行为模型。所提模型使用推文数据，在长短期记忆网络（LSTM）、卷积神经网络（CNN）与来自 Transformer 的双向编码器表示（BERT）等多种模型上训练以进行情感预测，平均准确率分别为 92% 与 55%。进而，利用来自 CNN-LSTM 的情感预测，行为模块通过行为标记语言（BML）以面部表情与手势作出回应。基于通过问卷从人类用户收集的数据，使用双尾皮尔逊相关对情感导向行为预测的准确性进行统计验证。分析表明，所有情感导向行为均基于在 0.01 与 0.05 水平上的显著相关性，准确刻画了类人的手势与面部表情。本研究是基于情感导向行为的多面人工体交互的基石。认知对于人类间社会交互具有重要意义。
引用
@article{arxiv.2311.14674,
title = {Emotion-Oriented Behavior Model Using Deep Learning},
author = {Muhammad Arslan Raza and Muhammad Shoaib Farooq and Adel Khelifi and Atif Alvi},
journal= {arXiv preprint arXiv:2311.14674},
year = {2023}
}