OPO-FCM: A Computational Affection Based OCC-PAD-OCEAN Federation Cognitive Modeling Approach
- 点击次数：
- 发表刊物：IEEE Transactions on Computational Social Systems
- 摘要：近年来，如何将情感心理学基础理论中的深度交叉融合、可解释的认知建模方法与深度学习等算法相结合是一个难题。针对这一问题，本文构建了一个基于fer2013表达特征的VGG-面部动作编码系统（FACS）-OCC模型和情感心理学基础理论中的OCC-愉悦-渴求-支配（PAD）-开朗、自觉、外向、宜人和神经质（OCEAN）融合的认知模型，即基于计算情感的OCC-PAD-OCEAN联合认知模型（OPO-FCM）。通过构建该模型并进行形式化证明算法，表明 OPO-FCM 可以获取视频流中的表情特征，通过训练深度神经网络完成视频中表情特征的获取，通过建立的表情-基本情绪-情绪空间的映射关系将表情映射到 PAD 情绪空间，最后完成一段时间内平均情绪的映射。通过它可以获得人格空间的信息。最后，对模型进行了实验仿真，结果表明有效测试人格的平均准确率为 79.56%。本文以情绪心理学的知识驱动方法为切入点，结合深度学习技术构建了可解释的认知模型，为未来计算机技术与心理学理论的交叉创新提供了新思路。
- 备注：F. Liu et al., "OPO-FCM: A Computational Affection Based OCC-PAD-OCEAN Federation Cognitive Modeling Approach," in IEEE Transactions on Computational Social Systems, vol. 10, no. 4, pp. 1813-1825, Aug. 2023, https://doi.org/10.1109/TCSS.2022.3199119.
- 学科门类：工学
- 一级学科：计算机科学与技术(可授工学、理学学位)
- 文献类型：J
- 卷号：10
- 期号：4
- 页面范围：1813-1825
- 是否译文：否
- 发表时间：2023-08-01
- 收录刊物：SCI
- 论文类型：期刊论文
- 发表时间：2023-08-01
推荐
