[论文解读] Emotions in Pervasive Computing Environments

Nevin Vunka Jungum, Éric Laurent|ArXiv.org|Dec 9, 2009

Emotion and Mood Recognition参考文献 88被引用 6

一句话总结

本文通过利用具身心理学（enactive psychology）来建模并响应用户情绪，提出将情绪状态整合到普适计算环境中。提出了EARL（情绪标注与表示语言）这一基于XML的语言用于情绪表达，并识别出情绪建模中的关键挑战，如语义模糊性和缺乏标准化，进而提出一种面向上下文感知、情绪自适应系统的设计框架。

ABSTRACT

The ability of an intelligent environment to connect and adapt to real internal sates, needs and behaviors' meaning of humans can be made possible by considering users' emotional states as contextual parameters. In this paper, we build on enactive psychology and investigate the incorporation of emotions in pervasive systems. We define emotions, and discuss the coding of emotional human markers by smart environments. In addition, we compare some existing works and identify how emotions can be detected and modeled by a pervasive system in order to enhance its service and response to users. Finally, we analyze closely one XML-based language for representing and annotating emotions known as EARL and raise two important issues which pertain to emotion representation and modeling in XML-based languages.

研究动机与目标

• 通过将情绪视为上下文参数，使普适计算环境能够根据用户的情绪状态进行自适应调整。
• 研究如何基于心理学基础，在智能环境中检测、建模和表示情绪。
• 评估类似EARL的基于XML的语言在普适系统中表示和标注情绪状态的适用性。
• 识别在结构化数据格式中进行情绪建模的关键挑战，特别是语义与互操作性方面的问题。
• 提出一种框架，通过实时情绪上下文感知提升系统的响应能力。

提出的方法

• 基于具身心理学，将情绪定义为与感知和行为相关联的动态、上下文敏感状态。
• 分析现有普适系统中情绪检测与建模技术，重点关注生理、行为和语言标记。
• 提出EARL（情绪标注与表示语言）作为用于系统日志和用户交互中情绪状态标注的基于XML的标准。
• 评估EARL在表示复杂情绪动态和多模态情绪信号方面的表达能力与局限性。
• 识别基于XML的系统中情绪建模的关键问题，包括语义模糊性和可扩展性不足。
• 将EARL与其他情绪表示模型进行比较，评估其在普适计算架构中集成的适用性。

实验结果

研究问题

• RQ1 如何在普适计算环境中有效建模和表示情绪，以实现上下文感知的自适应？
• RQ2 使用类似EARL的基于XML语言进行情绪标注与表示时，存在哪些关键挑战？
• RQ3 现有情绪检测技术在多大程度上符合普适系统的需求？
• RQ4 具身心理学在设计情绪响应环境方面可提供哪些指导？
• RQ5 当前情绪建模标准在支持普适系统中动态、实时情绪上下文方面存在哪些局限性？

主要发现

• 情绪可被有效建模为普适系统中的上下文参数，从而实现更自适应、个性化的交互。
• EARL语言提供了一种结构化、机器可读的格式用于标注情绪状态，支持系统间的互操作性。
• EARL的主要局限在于情绪描述符存在语义模糊性，可能导致不同系统间解释不一致。
• 当前基于XML的情绪表示语言在建模随时间演变的复杂、动态情绪状态方面缺乏足够的可扩展性。
• 将情绪上下文整合到普适系统中，能显著提升用户体验，使系统行为更加直观和响应迅速。
• 情绪表示的标准化仍是关键挑战，目前尚无广泛采用且语义稳健的框架。