HMM的情緒模型對個體心理健康的預測及其功能實現

孫 穎，遠雪霏

(1.天津大學教育學院，天津 300072;2.天津大學理學院，天津 300072)

HMM的情緒模型對個體心理健康的預測及其功能實現

孫 穎1，遠雪霏2

(1.天津大學教育學院，天津 300072;2.天津大學理學院，天津 300072)

基于隱馬爾可夫鏈構造了一個情緒概率空間，定義了情緒預測用的基本情緒狀態(tài)，以及個體情緒的基本變化轉移過程，建立了預測個體情緒變化的情緒預測模型，并基于個體固有的個性情緒特征，對不同個體的情緒變化進行預測，繪制情緒圖譜，給出了情緒能量、情緒強度和情緒熵等概念，用以描述情緒特征與情緒狀態(tài)。通過Matlab的仿真計算，驗證此預測模型可以較好地模擬情緒狀態(tài)自發(fā)轉移的動態(tài)過程，可用于個體的情緒預測模擬計算，為個體心理咨詢和心理健康教育提供了一種新的路徑，是心理建檔時可依循的可靠數據資料。

情緒預測模型;隱馬爾可夫模型;心理健康

一、引 言

1.情緒研究的現狀

情緒是指個體在受到某種刺激時所產生的一種激動狀態(tài)［1］。情緒是個體行為的重要驅動力，它影響著人們認知活動的方向、行為的選擇、人格的形成以及人際關系的處理。情緒一直被心理學家認為是影響人類行為的一個重要方面［2］。情緒是智能活動的組織者，即行為選擇作為智能活動的核心，是通過情緒來組織實現的，情緒一直是人格心理學家關注的核心領域［3］。人類的情緒是一個十分復雜的現象，包含著豐富的內容。情緒是以個體的愿望和需要為中介的一種心理活動，是人類特有的。它可以通過語言表達，也可以通過面部表情、體態(tài)等非言語的形式表達。當客觀事物或情境符合主體的需要和愿望時，就會產生積極、肯定的情緒。當然，當客觀事物或情境不符合主體的需要和愿望時，就會產生消極否定的情緒。

情緒是個體心理健康的晴雨表，是心理病理的一個預測指標。正性情緒(如樂觀、熱情等)有利于個體處于心理健康狀態(tài)，而負性情緒(如悲觀、抑郁、焦慮等)則容易引發(fā)個體心理障礙［4］。在現代社會中，個體由于各種情緒困擾產生心理障礙，導致危機事件發(fā)生的案例有不斷上升的趨勢［5］。個體如果不對負性情緒加以控制，而任其隨意產生和變化，不論是對個人心理健康，還是對人與人之間關系的處理，都將造成非常消極的影響，嚴重地影響著個體的生命質量。因此，關注個體情緒的發(fā)生和發(fā)展，對心理健康教育也有著十分重要的意義［6］，將情緒測量與臨床診斷及適合個體的治療技術緊密相連，成為未來心理咨詢領域的一個趨勢，即通過對情緒的預測和解讀，能夠更好地維護個體的心理健康水平。

2.情緒預測的概述

情緒受個體固有性格的影響，當然也因所經歷的生活事件的刺激而變化。情緒是個體固有性格和生活事件二者的函數。在二者的共同作用下，個體的情緒會從一個狀態(tài)變化到下一個狀態(tài)中，這種狀態(tài)轉移必然對個體和他的周圍環(huán)境產生影響，并由于二者的交互影響，在一定程度上左右個體的行為和心理健康狀態(tài)。如果情緒的狀態(tài)向著負性的方向轉移，就可能導致各種心理疾患的發(fā)生。為此，心理咨詢和心理治療工作者，乃至教育工作者一直都希望有一些具體的預測工具來幫助他們了解來訪者和受教育者的情緒變化規(guī)律。但是到目前為止，由于缺乏對直接預測工具的研究，心理學工作者通常只能借助心理測評量表對來訪者“過去一周”或“過去一個月”、“過去的半年”等信息的分析，依靠個人的臨床經驗對來訪者未來的可能情緒狀態(tài)進行定性的判斷，而根本不可能對個體情緒能量、情緒強度和情緒熵等動態(tài)指標進行預測。由于每個咨詢師的臨床經驗不同，對同一個來訪者的情緒變化的分析會不一致，而且只是定性的分析，缺少定量的、直觀的數據支持，無形中降低了心理咨詢的科學評價功能。

因此，如果能夠像身體檢查那樣，有更科學的手段，通過對個體歷史情緒資料的數據采集，來推測個體情緒的可能變化規(guī)律，幫助心理咨詢師更直觀地看到個體“未來”的“情緒圖譜”，就不僅可以對大學生的休學、退學、死亡等可能引起的情緒困擾提前預知，針對這個“情緒圖譜”為個體制定診斷方案，進行提早干預;而且可以幫助教育工作者根據“情緒圖譜”，對學生展開有針對性的情緒調節(jié)訓練，或提出有針對性的拓展訓練計劃，提升大學生的情緒智力。

二、情緒預測的心理建模理論概述

1.情緒數據

“情緒計算”一詞最初由美國麻省理工學院的Picard提出，她將其定義為“關于情緒、由情緒引發(fā)以及意圖影響情緒的計算”［7］。由于情緒的真值不是顯而易見的，因此為獲得情緒的真值，有必要對情緒數據進行心理學度量。情緒數據應該具有自然度，數據的自然度是指被試的情緒表現與其在真實生活中的情緒表現相似的程度。其自然度越高，情緒數據越接近真實的情緒表現，情緒計算技術也越容易從實驗室過渡到實際應用中［8］。因此，本研究采取從大學生真實的、日常生活中提取數據的方式。

2.情緒圖譜

近幾年，隨著人工心理、智能機器人的研究，對人類情緒進行模擬成為這一研究領域的熱點。開始的時候，研究者并沒有將情緒作為智能仿真的重點，在學者們看來，情緒是非理性的，由于機器人和智能體需要在不確定環(huán)境條件下實現自主性行為選擇，研究人員才將其注意力轉移到情緒方面［3］。盡管心理健康教育領域中有關情緒模擬的研究還非常少，但借鑒人工智能領域的思想，完全有可能使心理健康教育走出只是停留于量表制作與完善方面的工作范疇，從而在情緒預測方面向前跨出更為實質的一步。

在心理學理論和信息科學的支撐下，嘗試著運用隱馬爾可夫模型(hidden Morkov model，HMM)對個體的情緒進行預測。HMM是一種用參數表示的，在Markov鏈的基礎之上發(fā)展起來的，用于描述隨機過程統(tǒng)計特性的概率模型。狀態(tài)不能直接被看到，而是通過一個隨機過程去感知狀態(tài)的存在及其特性。這一點與情緒的特性非常相似，特別是HMM信號模型為描述情緒信號處理過程提供了理論基礎，從而可以獲得期望的輸出;同時，情緒信號建?？梢宰屛覀兏玫匮芯啃盘栐础榫w過程，并且可以模擬信號源產生信號。總之，以HMM的情緒模型為基礎，將情緒視為表征生命體心智狀態(tài)的一種信息，認為情緒信息是情緒過程產生的觀察序列，并假定這種情緒過程是一種馬爾可夫過程。HMM具有上述優(yōu)勢，又符合人類情緒過程的行為規(guī)律，因而本文選用HMM作為對情緒信息的建模方法。其中的觀察值對應人類表征的情緒指數，其中隱含的狀態(tài)對應人類內隱的心情。

建立情緒預測的模型，目的是實現對個體情緒的模擬，通過個體的歷史數據，預測在未來一段時間內個體可能產生的情緒反應序列。參照這樣的時間序列，可以直觀、確切地描繪出個體的“情緒圖譜”，這一情緒圖譜如同對個體進行身體檢查的心電圖一樣直觀，同時它也如同經濟預測曲線一樣，具有在既往歷史數據的基礎上，將未來情緒的發(fā)展走勢描繪出來，以幫助人們更好地對所測試個體的過去和未來有一個直觀的、量化的描述。

3.情緒的三個空間狀態(tài)

本文將情緒分為高興、平靜、不高興3個狀態(tài)空間，它們對應的是隱馬爾可夫模型中的狀態(tài)數M，自評或他評的情緒指數視為離散變量，對應于隱馬爾可夫模型中的觀察值，這就需要對每一狀態(tài)空間的情緒強度指數化。在“高興”這一狀態(tài)空間中定義情緒指數為1～7，1代表輕度的高興，7代表躁狂(高興的極端表現);在“平靜”這一狀態(tài)空間中，用0代表平靜這一情緒指數;在“不高興”這一狀態(tài)空間中定義情緒指數為-1～-7，-1代表輕度的不高興，-7代表抑郁(不高興的極端表現)。

選擇經典的離散HMM用于建立情緒預測模型，在每種內隱心情下，自評或他評報告的情緒指數會以一定的概率出現。由于隱馬爾可夫模型由兩部分組成，其中之一是由π、A描述的Markov鏈。顯然，不同的π和A會決定Markov鏈的不同形狀。在個體的情緒預測模型中，因為遺傳因素和從小的受教育環(huán)境不同，個體固有的情緒穩(wěn)態(tài)的形態(tài)是不一樣的。從任意時刻開始，下一時刻可能到達任意狀態(tài)。其Markov鏈為狀態(tài)遍歷的類型。

4.情緒預測模型的構建方法

利用HMM的Baum-Welch算法實現了情緒轉移概率矩陣和某種心情狀態(tài)下不同情緒輸出概率矢量的參數估計。式中:E為情緒熵，即情緒量;pi為第i種情緒狀態(tài)出現的概率;C為與對數底及單位選擇有關的常數。

Emax代表了我們研究范圍內的生命體的情緒復雜程度的最大值。就是說，Emax是上界，越接近此數值就越意味著具有感情豐富的特征。這種情緒熵是表征了我們所構造的情緒的整體表現。而在某一時刻的情緒穩(wěn)定性可以用情緒熵來表達，其定義為式中:ei為在第i種狀態(tài)的情緒熵;pij為第i中情緒狀態(tài)到第j種情緒狀態(tài)的概率;C為與對數底及單位選擇有關的常數［9］。

因而，對情緒狀態(tài)及相關問題，存在如下推論。

(1)在任意時刻，各情緒狀態(tài)的概率之和為1，或者說，在任意時刻，分配給各情緒狀態(tài)的能量之和等于總能量。

(2)在任意時刻，各情緒狀態(tài)的情緒強度之和總為零。這說明各情緒狀態(tài)是互相排斥的，一種狀態(tài)的強度的增加，必然會使其他情緒狀態(tài)的強度減少。

基于HMM的情緒預測模型將人類的情緒過程視為兩層隨機過程，通過調整模型的初始參數，能夠預測出具有不同固有情緒特征的個體的情緒輸出圖譜。作為情緒引擎，以概率的形式預測情緒過程的發(fā)展變化情況。

三、情緒預測模型的應用

根據上述情緒預測的心理建模理論，本文情緒預測模型可以在給定個體相關信息后，很好地描述個體情緒狀態(tài)的變化過程。

個體在沒有引發(fā)情緒劇烈變化的日常生活狀態(tài)(即無重大生活事件發(fā)生)下，此時個體的情緒狀態(tài)相當于個體固有的、通常的穩(wěn)定狀態(tài)，這種穩(wěn)定狀態(tài)是個體情緒的一種常態(tài)，個體通常是以此種情緒狀態(tài)與外界接觸的。本文構建的情緒預測模型可以描繪出該個體在未來一段時間內，生活狀態(tài)不發(fā)生重大改變的情況下，個體情緒圖譜的可能樣式。

例如，我們請同學甲將自己從清晨醒來以后的心情為起始點，按照情緒的3個空間狀態(tài)中分別對應的情緒指數，每隔30分鐘，進行1次自評。同時，請同學乙，經常與同學甲在一起，負責每30分鐘提醒同學甲進行自評，同時作為旁觀者，同學乙將自己觀察到的同學甲的情緒也依照上面同樣的要求記錄下來。本次實驗，同學甲從早晨7點開始，每隔30分鐘自評1次，直至晚上睡覺前，共進行了33次自評。同樣，同學乙也針對同學甲的情緒進行了33次的他評。結果，我們得到了兩個序列，見圖1和圖2，圖中的橫坐標代表的是測量的次數，圖中的縱坐標代表的是情緒指數。

圖1 自評序列

圖2 他評序列

在同學甲提交自評報告后，我們對同學甲檢測 《青少年生活事件量表(ASLEC)》，［11］檢測結果表明，他最近的3個月內并未遇到重大應激，由此可知此次記錄的同學甲的情緒指數是該個體的1種固有的情緒狀態(tài)。

通過本文設計的情緒預測模型的運算，可以對個體固有情緒狀態(tài)轉移矩陣A以及情緒強度分布概率矩陣B作出最大似然估計，即

根據估計出的A和B，可以預測個體未來一段時間的情緒圖譜，參見圖3和圖4，圖中的橫坐標代表的是測量的次數，圖中的縱坐標代表的是情緒指數。

圖3 個體內隱情緒發(fā)展的預測圖譜

圖4 個體外顯情緒發(fā)展的預測圖譜

從圖中可以看出，在接下來的日子里，對同學甲進行跟蹤觀測，可以發(fā)現他的情緒狀態(tài)與本模型預測的情緒變化規(guī)律基本一致。證明該模型與實際生活擬合良好。

再例如，如果學生丙在一個月之內受到非常嚴重的生活事件打擊，打擊將改變其情緒狀態(tài)轉移矩陣A，可使用上例中的方法估計出其受打擊前后的狀態(tài)轉移矩陣，再進行一系列的情緒預測并得出固有情緒收斂點。若學生丙的狀態(tài)如下，可得出

生活事件發(fā)生前的A矩陣為A1，即

根據其個體固有情緒狀態(tài)轉移矩陣A可以預測學生丙在一段時間內的情緒序列，經Matlab仿真計算，得到學生丙在生活事件前后的固有個性的情緒發(fā)展圖譜，見圖5和圖6。

圖5 學生丙在重大生活事件之前的固有個性情緒的情緒發(fā)展圖譜

圖6 學生丙在重大生活事件之后的固有個性情緒的情緒發(fā)展圖譜

從兩個情緒序列中可以看到，由于打擊使該個體的情緒轉移矩陣發(fā)生了變化，由消極情緒轉向積極情緒的概率降低，而由積極情緒轉向消極情緒的概率增加，導致該個體在一段時間內出現消極情緒的頻率更高，甚至其情緒發(fā)展圖譜中的平衡點也發(fā)生了顯著變化。情緒發(fā)展圖譜中坐標(x，y，z)分別代表個體處于不高興，平靜，高興3種情緒狀態(tài)的概率。情緒發(fā)展曲線的起始點都是(1/3，1/3，1/3)，從計算結果中我們可以看到情緒收斂點已由(0.05，0.333 3，0.616 7)變?yōu)榱?0.766 7，0.116 7，0.116 7)，即已由積極區(qū)域轉移到了消極區(qū)域。這樣的預測可以提醒教育者對學生丙要給予及時的干預，針對其情緒轉移矩陣的變化進行有效的心理援助，使他及時的從負性情緒中走出來。

這樣的預測功能顯然為心理健康教育提供了科學、客觀、具體的個體情緒資料。

綜上所述，本文所提出的情緒計算的基本概念和建模方法，經理論推導和仿真計算，符合人類情緒變化規(guī)律，為情緒預測理論的深入研究奠定了基礎，也為建立更為理想的情緒預測計算模型提供了一個新途徑。

四、結 語

本文借助隱馬爾可夫模型，將一些經驗式的理念通過嚴格的推導過程，對個體的情緒進行預測。將情緒信息視為情緒過程產生的觀察序列，并假定這種情緒過程是一種馬爾可夫過程，利用HMM作為對情緒信息的建模方法。用這種方法建立的模型能夠預測情緒信息將來最有可能出現的觀察值，從而對情緒的發(fā)展進行預測，并以個體的自評方式輸出。使用Matlab軟件建模，利用Baum-Welch算法進行編程并予以實現，采用此方法可以得到使給定觀察序列出現概率最大的模型參數估計結果。從而為情緒模型參數的確定提供了一種理論分析方法。應用情緒熵的概念，結合HMM模型，對個體的情緒發(fā)展變化情況進行預測，經過檢驗，符合個體的情緒變化規(guī)律，被證明是一個具有很好擬合度的情緒預測模型。情緒也是生產力，這句話對受教育者來說，強調了對受教育者個體成長和心理保健的意義;情緒也是生產力，這句話對教育者來說，強調了對當事人情緒發(fā)展的預測，即情緒的預測功能，使情緒成為心理咨詢中幫助來訪者走出心靈沼澤的一個有效咨詢目標，這必將提升心理咨詢與心理健康教育的可作為空間。本文所實現的情緒交互，不是基于行為模式的方法，而是基于統(tǒng)計模型規(guī)律的，這種情緒建模方法是可行的，并且具有建模簡單，情緒預測的結構易于理解的特點，這樣的研究結果為將信息科學引入心理健康教育提供了一種理論設計方法。

當然，人類的情緒是在一定的環(huán)境中產生的，并且決定于事情發(fā)生的背景和個人的文化背景。因此，建立一個普遍適用的情緒模型是相當困難的。本文的主要工作就是闡述基于信息科學的理論及隱馬爾科夫過程，構建情緒模型的實踐，并討論了個性參數對構建的情緒模型的影響，從而驗證了該模型對個體情緒模擬和預測方面的有效性，以及基于HMM的情緒預測建模方法的可行性。在未來的研究中應該加大對不同個體的測試數據，在更大的范圍內進行模型的驗證，以使該模型生成的情緒預測圖譜與對個體未來發(fā)生的真實情緒有更好的擬合。二者的擬合度越高，該模型給心理咨詢師和教育者提供的信息就越準確、越豐實，干預點的選擇及干預方案的制定才會越有效，對受教育者的幫助才越大。

［1］石 林.情緒研究中的若干綜述［J］.心理學動態(tài)，2000，8(1):63-68.

［2］Bernard L，Rod V W.Psychometric properties of the brief life satisfaction scales［J］.Journal of Clinical Psychology，2004，60(1):11-27.

［3］張國鋒，李祖樞.基于情緒的人工生命合作型行為選擇機制［J］.信息與控制，2009，38(6):718-723.

［4］劉連龍，胡明利.大學生情緒穩(wěn)定性對心理健康的預測作用［J］.西北大學學報:哲學社會科學版，2007，37(6):96-99.

［5］Steinhausen H C，Metzke C W.Adolescent self-rated depressive symptoms in a swiss epidemiological study［J］.Journal of Youth Adolescent，2000，29(4):427-440.

［6］鄧麗芳，鄭日昌.大學生的情緒向性、表達性與心理健康關系的研究［J］.心理發(fā)展與教育，2003(2):69-73.

［7］Picard R.Affective Computing［M］.Cambridge:MIT Press，1997:5.

［8］張迎輝，林學誾.情緒計算中的實驗設計和情緒度量方法研究［J］.中國圖象圖形學報，2009，14(2):292-302.

［9］谷學靜，王志良，魏哲華，等.基于人工心理理論的情感模型構建方法研究［J］.微計算機信息，2006，22(2):264-266.

［10］滕少冬，王志良，王 莉，等.基于馬爾可夫鏈的情感計算建模方法［J］.計算機工程，2005，31(5):17-19.

［11］劉賢臣，劉連啟，楊 杰.青少年生活事件量表的編制與信度效度檢驗［J］.中國臨床心理學雜志，1997(5):34-36.

Application Emotion Model Based on HMM in Mental Health Forecast

SUN Ying1，YUAN Xue-fei2
(1.School of Vocational and Technical Education，Tianjin University，Tianjin 300072，China;2.School of Science，Tianjin University，Tianjin 300072，China)

The paper built an emotion probability space based on Hidden Markov Model.Basic emotions and levels within the emotion space were defined as well as the transition pattern of those emotions.A emotion Forecast Model based on the individual's unique emotion character was built to forecast the spontaneous emotion transferring and produce the emotion transferring diagram.The paper also gave the definition of some concepts describing emotion character and states，such as emotion energy，affective intensity，affective entropy and so on.Simulating computing were done with Matlab software，and the results showed that this kind of emotion model can well simulate the dynamic process of spontaneous emotion transferring，This model can be applied on simulating computing to forecast dynamic emotion change，thus provide a new method for psychological counseling and mental health education，and serve as a reliable resource for mental health assessment and record.

emotion forecast model;hidden Markov model;mental health

G445

A

1008-4339(2011)06-0531-06

2010-11-10.

2011年教育部人文社會科學研究規(guī)劃基金資助項目(11YJA190014).作者簡介:孫 穎(1969— )，女，博士，副教授.

孫 穎，psysun jp@hotmail.com.