在情绪状态自发转移马尔可夫模型中,针对参数的调整是否会给个体情绪差异带来影响,以及影响的程度等有关个体情绪区分聚类的问题,提出了基于度量多元尺度分析理论的个体人工情绪差异性研究方法。通过不相似度矩阵计算内积矩阵,再应用主成分因素分析法,便可得到个体属性重构矩阵,在低维上展现个体情绪差异。试验结果可以用来指导模型参数的选取,并为实验的有效性提供了数学验证的依据。
根据基本方程(4),情绪状态自发转过程,即个体的情绪自发转移差异,取决于矩阵A,因此,参数θ和的确定,是对个体差异研究的关键。基于多元尺度分析,依次研究以下三个问题:1)参数θ和的变化是否一定引起个体情绪自发转移差异;2)参数的变化引起什么样的个体情绪差异;3)情绪状态初值的影响。下面分别加以详述。
1.对问题1的分析
上述情感状态自发转移的马尔可夫链模型中,情绪强度piΔ是情绪变化的一个重要度量。情绪强度定义为
并把称为某一时刻t(t≥0)的情绪强度。当时,情绪i处于激发状态;时,情绪i处于抑制状态;,情绪i处于平衡状态。但pi(Δt)只是一个情绪变化的静态特征,要动态的反应个体情绪差异,则要计算情绪强度变化率向量,其中第i维情绪强度变化率Δpi(Δt)为
设情绪强度变化率向量在确定时刻T的值记为,取T=5;情绪自发转移过程中的最大情绪强度变化率向量为,平均情绪强度变化率向量为MEANΔ,Tfinɑl=50是情绪自发转移过程的最大时长。
在情绪自发转移过程中,个体情绪差异可以用、和Δ三个向量组成一个维度为3N的行向量来区分。即:个体i的属性向量为。
针对问题1,假设参数θ和中有且仅有一个参数发生变化,研究该参数对给个体差异变化带来的影响。由于i∈{1,2,…,N}线性相关,所以仅讨论θ、π1∗和π2∗的变化组合就可以了。他们的变化组合见表10-1。
表10-1参数θ和的组合
表10-1中,I(Increasement)表示该数值增大,D(Decreasement)表示该数值减小,U(Unchanged)表示该数值不变。由于组合中存在重复,因此θ、π1∗和π2∗的最终变化组合为L=7种,即研究7个差异个体。结合前面所述的个体的属性向量ATTRIBUTii∈{1,2,…,7},可以建立个体属性矩阵为
ATTRIBUT=[ATTRIBUT1ATTRIBUT2…ATTRIBUT7]′。
这里取情绪的维度N=3,则ATTRIBUTi是一个9维行向量。根据度量多元尺度分析理论,在个体属性矩阵的基础上,构建不相似度矩阵ΔL×L。Δ中的元素δij为
再计算内积矩阵Γ,其元素γij为
其中,
把个体属性矩阵在低维空间上的重构矩阵记为(M<3N)。其表示的个体不相似度矩阵记为D,则根据度量多元尺度分析理论,Δ与D在某种意义上近似。且有:
求解式(10-44)可在低维空间上得到个体属性重构矩阵,即个体差异可以在低维空间被表示出。
同时,还可求出个体属性重构矩阵第j维对应的特征值λj:
其中,是的元素值。试验中得到的一组特征值随维度变化曲线如图10-8所示。
图10-8 特征值随维度变化曲线
根据图10-8,个体属性向量ATTRIBUTi可以由原始的9维降到3维,而几乎不失真的加以表示。由于当维度为3时,特征值已经较小,因此,还可以进一步降到2维空间来表示个体差异。个体属性在2维空间的重构如图10-9所示。
图10-9 T=5时个体属性重构图(www.xing528.com)
图10-9中的数字是与表10-1参数最终组合数序号相对应的。从图中可以看出,点1、2和3(分别对应于θ值的I、U和D的三种取值)之间的距离较近,说明θ值的变化只能引起个体情绪自发转移的少许差异,即改变θ对于个体情绪自发转移的差异性贡献较小;点4、5、6和7(分别对应于π1∗和π2∗值的I和D的各两种取值)间的距离较远,说明π1∗和π2∗值的变化能够引起个体情绪自发转移的较大差异,即改变π1∗或π2∗对于个体情绪自发转移的差异性贡献较大。
2.对问题2的分析
对于问题2,由于θ值的变化只引起个体情绪自发转移的少许差异,可以忽略,因此,仅讨论参数π1∗和π2∗值的变化引起何种个体情绪差异,即只讨论点4、5、6和7。
图10-10中,维度Ⅰ代表情绪强度变化率向量的第一个维度,维度Ⅱ代表情绪强度变化率向量的第二个维度。点4和点7在维度Ⅰ上有较大差距,在维度Ⅱ上差距不大;点4和点6则相反。其余点类似,他们的相互关系如图10-10所示。
下面结合点4、点6和点7讨论出现这种情况的原因。
根据式(10-4)和(10-41)
图10-10 参数调整对个体情绪差异在不同维度上的影响
a)对于表10.1的组合4,。由式(10-47)得,
b)对于表10-1的组合6,。由式(10-47)得,
c)对于表10-1的组合7,。由式(10-47)得,
设π1∗=π2∗=π3∗=π∗·,根据式(10-48)(10-49),可得点4和点6在维度Ⅰ上的差距为
点4和点7在维度Ⅰ上的差距为
所以,点4和点6在维度Ⅰ上的差距小于点4和点7在维度Ⅰ上的差距。
可以看出,以上推导与确定时刻T的选取无关,图10-11中的“·”是T=21时的个体属性重构图。可以看出,确定时刻改变后,重构效果未变,说明上述结论具有代表性。
图10-11 T=21时,情绪状态初值改变后的个体属性重构图
综上,当参数π1∗和π2∗分别同向增大或减小时,引起个体情绪差异在情绪强度变化率向量第一个维度上的变化较小;反之,当参数π1∗和π2∗分别异向增大或减小时,引起个体情绪差异在情绪强度变化率向量第一个维度上的变化较大。
3.对问题3的分析
对于情绪状态初值⇀P0的影响,仅进行了5次试验。改变情绪状态初值,个体属性重构图也几乎未发生大的变化。图10-11中“·”是其中的一次重构效果。说明在情绪状态自发转移过程中,情绪状态初值的设定对个体情绪差异没有较大影响。这与常识是符合的,因为,个体的情绪差异是内在的、本质的,是不随初始情绪状态变化的。
4.结论
通常认为情感模型中的参数调整是影响模型输出变化的诱因,但这种调整是否一定能够引起个体情绪差异,以及对个体情绪差异影响的程度是值得探讨的。本部分针对情绪状态自发转移马尔可夫模型,研究了不同参数代表的个体情绪差异。结果表明,θ值的变化只能引起个体情绪自发转移的少许差异,π∗值的变化能够引起个体情绪自发转移的较大差异。参数π1∗和π∗2分别同向增大或减小时,引起个体情绪差异在情绪强度变化率向量第一个维度上的变化较小;反之,当参数π1∗和π2∗分别异向增大或减小时,引起个体情绪差异在情绪强度变化率向量第一个维度上的变化较大。在情绪状态自发转移过程中,情绪状态初值的设定对个体情绪差异影响不大。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。