基于模型的回忆疗法中通过话语估计个人模型参数
人机交互
2024-12-17 v2 人工智能
摘要
回忆疗法是基于记忆回忆的心理健康护理。然而，该方法的效果因人而异。为解决此问题，有必要提供更个性化的支持；因此，本研究利用基于认知架构 ACT-R（adaptive control of thought-rational）的个人记忆回忆计算模型。反映用户状态的 ACT-R 记忆模型有望促进个人回忆。在本研究中，我们提出一种通过与记忆模型重复交互来估计用户内部状态的方法。该模型包含用户的生活日志，向用户呈现记忆项（刺激）并接收用户对刺激的反应，据此调整模型内部参数。通过重复这些过程，模型参数将反映用户的内部状态。为确认所提方法的可行性，我们分析了使用集成该模型的系统时的用户话语。结果证实了该方法从用户话语中估计模型记忆检索参数的能力。此外，还证实了该方法估计因使用系统而引起的用户情绪变化的能力。这些结果支持了交互式估计人类内部状态方法的可行性，最终将有助于引发记忆回忆与情绪以促进我们的福祉。
引用
@article{arxiv.2208.07087,
title = {Estimating Personal Model Parameters from Utterances in Model-based Reminiscence},
author = {Shoki Sakai and Kazuki Itabashi and Junya Morita},
journal= {arXiv preprint arXiv:2208.07087},
year = {2024}
}
备注
Accepted paper for the 10th International Conference on Affective Computing and Intelligent Interaction (ACII)