移動(dòng)終端用戶交互行為的情感預(yù)測(cè)方法研究

平正強(qiáng)， 呂 健， 潘偉杰， 劉征宏

(貴州大學(xué)現(xiàn)代制造技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室，貴州 貴陽 550025)

移動(dòng)終端用戶交互行為的情感預(yù)測(cè)方法研究

平正強(qiáng)， 呂 健， 潘偉杰， 劉征宏

(貴州大學(xué)現(xiàn)代制造技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室，貴州 貴陽 550025)

交互設(shè)計(jì)中用戶的情感體驗(yàn)關(guān)系到設(shè)計(jì)的成功與否，對(duì)用戶情感的研究一直是交互設(shè)計(jì)的研究熱點(diǎn)。人在與移動(dòng)終端交互的過程中會(huì)產(chǎn)生情感，由于該情感具有主觀性，很難對(duì)其進(jìn)行客觀衡量。為此提出一種利用眼動(dòng)指標(biāo)和PAD情感量表進(jìn)行情感預(yù)測(cè)的方法，選擇中文版PAD情感量表作為情感測(cè)量的工具，通過偏最小二乘回歸分析建立眼動(dòng)指標(biāo)和PAD情感值的數(shù)學(xué)模型，進(jìn)行實(shí)驗(yàn)設(shè)計(jì)。實(shí)驗(yàn)結(jié)果表明該數(shù)學(xué)模型能較為準(zhǔn)確的進(jìn)行情感預(yù)測(cè)。

眼動(dòng)指標(biāo)；情感預(yù)測(cè)；交互行為；偏最小二乘回歸

隨著經(jīng)濟(jì)社會(huì)的發(fā)展，市場(chǎng)競(jìng)爭(zhēng)越來越激烈，產(chǎn)品設(shè)計(jì)已由以市場(chǎng)為中心的設(shè)計(jì)轉(zhuǎn)變?yōu)橐杂脩魹橹行牡脑O(shè)計(jì)[1]，以人為本、以用戶體驗(yàn)為中心的設(shè)計(jì)已成為產(chǎn)品設(shè)計(jì)中最重要的法則[2]。用戶使用APP過程中的情感體驗(yàn)是APP設(shè)計(jì)水平的重要反映，因此，如何準(zhǔn)確衡量用戶的情感體驗(yàn)是用戶體驗(yàn)研究的重要內(nèi)容。由于情感具有復(fù)雜性、多維度性、模糊性、主觀性等特性，設(shè)計(jì)者難以準(zhǔn)確把握用戶的情感需求[3]。因此，要有效地完成產(chǎn)品情感設(shè)計(jì)及創(chuàng)造，必須在理論驅(qū)動(dòng)、實(shí)驗(yàn)和經(jīng)驗(yàn)結(jié)合為背景的前提下，以有效可靠的情感測(cè)量為基礎(chǔ)[4]。

從目前研究來看，用戶的情感測(cè)量和預(yù)測(cè)方法主要包括基于心理學(xué)的心理反應(yīng)測(cè)量技術(shù)和基于心理學(xué)的生理反應(yīng)測(cè)量技術(shù)?；谛睦韺W(xué)的心理反應(yīng)測(cè)量技術(shù)主要包括言辭式自我報(bào)告法：語義差異法、語義法、口語分析法、語意比較法和非言辭式自我報(bào)告法：PANAS量尺法[5]、PAD情感測(cè)量法[6]、產(chǎn)品愉悅測(cè)量問卷、PreMo測(cè)量法[7]、Emocards(emotional cards)測(cè)量法[8]、SAM(self assessment manikin)自我評(píng)估模型等?；谛睦韺W(xué)的生理反應(yīng)測(cè)量技術(shù)主要包括面部表情測(cè)量技術(shù)、聲音表現(xiàn)性測(cè)量技術(shù)、多維評(píng)估技術(shù)和眼動(dòng)追蹤技術(shù)等[9]，這些技術(shù)都是以測(cè)量情感引發(fā)的各種生理指標(biāo)為基礎(chǔ)的測(cè)量技術(shù)。眼動(dòng)數(shù)據(jù)因?yàn)槟芸陀^、真實(shí)地反映被試者的情感狀態(tài)而被用來測(cè)試用戶的情感水平。孫敏[10]運(yùn)用眼動(dòng)技術(shù)對(duì)被試者在觀看情感圖片時(shí)的過程進(jìn)行觀察，通過對(duì)注視點(diǎn)數(shù)及注視持續(xù)時(shí)間的數(shù)據(jù)進(jìn)行分析，證明了相對(duì)于消極情緒的圖片人們更關(guān)注于積極情緒的圖片；劉青等[11]以眼動(dòng)數(shù)據(jù)為基礎(chǔ)探索人機(jī)界面的可用性，證明了眼動(dòng)數(shù)據(jù)可以很好地為界面可用性研究提供參考；費(fèi)廣洪等[12]利用眼動(dòng)儀考察閱讀中的圖文信息對(duì)不同認(rèn)知的大學(xué)生的影響，結(jié)果表明高相關(guān)插圖有助于提高場(chǎng)依存型讀者的閱讀成績(jī)，場(chǎng)依存型讀者在閱讀不同相關(guān)程度圖文時(shí)會(huì)主動(dòng)調(diào)整加工對(duì)象。

從目前研究來看現(xiàn)有的情感測(cè)量方法中基于心理學(xué)的生理測(cè)量技術(shù)主要測(cè)量基本情感如喜怒哀樂等，對(duì)于復(fù)雜的多維度情感難以測(cè)量；基于心理學(xué)的心理測(cè)量技術(shù)多為定性測(cè)量，并且不利于不同文化間的交流，測(cè)試者難以表達(dá)出剎那間所發(fā)生的情感狀態(tài)。本文提出一種PAD情感模型和眼動(dòng)指標(biāo)相結(jié)合的方法進(jìn)行情感測(cè)量，既可以定量測(cè)量用戶剎那間的情感又可以對(duì)情感進(jìn)行多維度的測(cè)量。

1 PAD情感量表和偏最小二乘回歸方法

選擇中文版 PAD情感量表作為情感測(cè)量工具，該P(yáng)AD量表具有較好的信度與結(jié)構(gòu)效度。該量表由 12對(duì)表示不同情感狀態(tài)的形容詞對(duì)構(gòu)成(圖1)，每4個(gè)形容詞對(duì)分別代表情感反應(yīng)的3個(gè)維度之一：愉悅度P(pleasure)、喚醒度A(arousal)、支配度 D(dominance)，每個(gè)形容詞對(duì)代表的情感意義在其所屬維度上相反而在其他兩個(gè)維度上相同，每個(gè)形容詞對(duì)從左到右分值為“-4”分到“4”分，被試者根據(jù)自己的情感狀態(tài)進(jìn)行打分，最后某個(gè)維度的分值為該維度下 4個(gè)項(xiàng)目的平均值。作為評(píng)測(cè)情感反應(yīng)的3個(gè)維度，根據(jù)P，A，D 3個(gè)維度值的正負(fù)情況將整個(gè)情感空間劃分為 8個(gè)具有不同情感特點(diǎn)的區(qū)域，即情感的8個(gè)類別。其中，+ P + A + D代表高興的，- P - A - D 代表無聊的，+ P + A - D代表依賴的，- P - A + D代表蔑視的，+ P - A + D代表放松的，- P + A - D代表焦慮的，+ P - A - D代表溫順的，- P + A + D代表敵意的。

圖1 中文版PAD情感量表

本文選擇偏最小二乘回歸方法(partial least squares，PLS)作為眼動(dòng)指標(biāo)和PAD情感值的回歸建模方法，其由瑞典計(jì)量經(jīng)濟(jì)學(xué)家 Wold等人于1983年首次提出[13]，相較于傳統(tǒng)的回歸分析該方法的優(yōu)越之處在于可以同時(shí)完成多個(gè)自變量和多個(gè)因變量的回歸建模工作，尤其當(dāng)兩組變量的數(shù)目很多，或樣本量較少且大多存在多重相關(guān)性時(shí)，偏最小二乘回歸建模方法的優(yōu)點(diǎn)就顯得更加明顯了[14]。不僅如此該方法還集典型相關(guān)分析、主成分分析和線性回歸分析等方法的特點(diǎn)于一身，故采用該方法進(jìn)行分析不僅可以得到相應(yīng)更為精確可靠的數(shù)學(xué)模型，與此同時(shí)更能完成一些類似于主成分分析和典型相關(guān)分析的分析結(jié)果，因此偏最小二乘回歸分析方法應(yīng)用性更高[15]。

2 眼動(dòng)指標(biāo)和情感值關(guān)系模型建立流程

眼動(dòng)指標(biāo)和PAD情感值數(shù)學(xué)模型建立流程主要由眼動(dòng)指標(biāo)篩選和數(shù)學(xué)模型建立兩部分組成。由于眼動(dòng)指標(biāo)包含眨眼時(shí)間、注視時(shí)間等幾十種指標(biāo)，為了更好、更準(zhǔn)確地進(jìn)行情感預(yù)測(cè)，應(yīng)該對(duì)眼動(dòng)數(shù)據(jù)進(jìn)行篩選，通過單因素方差分析，獲取可用于情感預(yù)測(cè)的眼動(dòng)指標(biāo)。獲取眼動(dòng)指標(biāo)后將PAD情感值作為因變量、眼動(dòng)指標(biāo)作為自變量，建立眼動(dòng)指標(biāo)的和情感值數(shù)學(xué)模型，為檢驗(yàn)數(shù)學(xué)模型是否能良好的反映人的情感，再次進(jìn)行實(shí)驗(yàn)設(shè)計(jì)獲取用戶的PAD情感值，將獲取的PAD情感值與預(yù)測(cè)值進(jìn)行比較，從而驗(yàn)證模型的可靠性、準(zhǔn)確性。該流程如圖2所示。

圖2 眼動(dòng)指標(biāo)和情感值數(shù)學(xué)模型建立流程圖

3 眼動(dòng)指標(biāo)和情感值多元回歸數(shù)學(xué)模型

將眼動(dòng)指標(biāo)作為自變量x，PAD情感值作為因變量y，設(shè)有q個(gè)因變量和p個(gè)自變量，為了研究因變量與自變量的統(tǒng)計(jì)關(guān)系，選擇n個(gè)樣本點(diǎn)，由此構(gòu)成自變量與因變量的數(shù)據(jù)表為了數(shù)學(xué)推導(dǎo)方便起見,首先將數(shù)據(jù)做標(biāo)準(zhǔn)化處理。X經(jīng)標(biāo)準(zhǔn)化處理后的數(shù)據(jù)矩陣記為Y經(jīng)標(biāo)準(zhǔn)化處理后的數(shù)據(jù)矩陣記為

步驟1. 記t1是E0的第一個(gè)成分，t1=E0w1， w1是E0第一個(gè)軸，其是一個(gè)單位向量，即記u1是F0的第一個(gè)成分，u1=F0c1,c1是F0的第一個(gè)軸，并且如果t1、u1能分別很好地代表X和Y中的數(shù)據(jù)變異信息，根據(jù)主成分分析原理，應(yīng)該有

另一方面，由于回歸建模的需要，又要求 t對(duì)u有最大的解釋能力，由典型相關(guān)分析的思路，t1與u1的相關(guān)系數(shù)應(yīng)達(dá)到最大值，即

因此綜合起來，在偏最小二乘回歸中，要求t1與u1的協(xié)方差達(dá)到最大。正規(guī)的數(shù)學(xué)表述應(yīng)該是求解下列優(yōu)化問題，即

根據(jù)拉格朗日法求得第一個(gè)軸w1和c1后，即可得到成分：t1=E0w1，u1=F0c1。w1是對(duì)應(yīng)于矩陣E0F0F0E0最大特征值的單位特征向量，c1是對(duì)應(yīng)于矩陣 F0E0E0F0最大特征值的單位特征向量。然后分別求E0、F0對(duì)t1和u1的3個(gè)回歸方程，即

步驟2. 用殘缺矩陣E1和F1取代E0和F0，然后求第二個(gè)軸w2和c2以及第二個(gè)成分t2和u2。

還原成原始變量的偏最小二乘回歸方程，即眼動(dòng)指標(biāo)和PAD情感值數(shù)學(xué)關(guān)系模型為

E (yk)、 E (xi)分別為yk和xi的樣本均值；Syk,Svi分別為yk和xi樣本均方差。

4 實(shí)驗(yàn)設(shè)計(jì)

4.1 實(shí)驗(yàn)APP選取和交互任務(wù)設(shè)計(jì)

本實(shí)驗(yàn)選取了目前市場(chǎng)上應(yīng)用廣泛的 7個(gè)團(tuán)購(gòu)類APP作為實(shí)驗(yàn)對(duì)象：“美團(tuán)”、“大眾點(diǎn)評(píng)”、“百度糯米”、“窩窩”、“團(tuán)800”、“點(diǎn)評(píng)團(tuán)購(gòu)”和“拉手團(tuán)購(gòu)”。為了將被試者在交互過程中產(chǎn)生的情緒波動(dòng)達(dá)到最大化，本實(shí)驗(yàn)選取可用性方面差異化最大的兩款A(yù)PP。

選取在校大學(xué)生20名，年齡在18～24周歲，上網(wǎng)年齡均超過的3年。20名學(xué)生分別對(duì)7個(gè)APP進(jìn)行簡(jiǎn)單的日常使用操作，實(shí)驗(yàn)者使用完后分別對(duì)7個(gè)APP的可用性滿意度打分。結(jié)果顯示用戶滿意度最高和最低的APP分別為“美團(tuán)”和“百度糯米”(表1)。

表1 APP用戶滿意度表格

人與APP的交互過程中，因?yàn)楫a(chǎn)品的易用性和可用性等差別，會(huì)使人產(chǎn)生不同的情感，因此設(shè)定一定的交互任務(wù)就能檢測(cè)到用戶的情感波動(dòng)。本實(shí)驗(yàn)設(shè)定 2個(gè)交互任務(wù)分別為搜索任務(wù)和購(gòu)買任務(wù)。具體如下：

(1) 搜索任務(wù)：用戶選擇團(tuán)購(gòu)里面的“電影”版塊，搜索出距離較近的電影院，查看促銷詳情和電影院硬件后選擇《奇幻森林》電影。

(2) 購(gòu)買任務(wù)：用戶選擇自己滿意的時(shí)間和坐位。購(gòu)買《奇幻森林》電影票一張，選擇支付寶作為支付方式進(jìn)行購(gòu)買。

4.2 實(shí)驗(yàn)設(shè)備與材料

實(shí)驗(yàn)設(shè)備包括：

(1) Tobii Glasses眼動(dòng)儀；

(2) 一臺(tái)安裝眼動(dòng)儀軟件Tobii studio的筆記本電腦；

(3) 安裝了“美團(tuán)”、“百度糯米”的 iPhone 6S手機(jī)1部；

(4) 中文版PAD情緒體驗(yàn)量表；

(5) 簽字筆若干支，用于測(cè)試者和研究人員使用。

4.3 實(shí)驗(yàn)流程

20名學(xué)生首先熟悉實(shí)驗(yàn)環(huán)境及要求，由主試向?qū)W生介紹實(shí)驗(yàn)?zāi)康?，并?jiǎn)單介紹實(shí)驗(yàn)設(shè)備及實(shí)驗(yàn)過程當(dāng)中的注意事項(xiàng)。幫助學(xué)生正確佩戴眼動(dòng)儀,并且打開眼動(dòng)儀進(jìn)行調(diào)整，確保能夠正確采集到信息。實(shí)驗(yàn)開始后每名學(xué)生按照設(shè)定的交互任務(wù)使用“美團(tuán)”APP，完成任務(wù)后有10 min左右的時(shí)間填寫PAD情感量表和休息，休息結(jié)束后使用同樣的流程進(jìn)行“百度糯米”APP的測(cè)試(圖3)。

圖3 眼動(dòng)實(shí)驗(yàn)

5 數(shù)據(jù)處理及模型建立

由實(shí)驗(yàn)過程可知，實(shí)驗(yàn)數(shù)據(jù)包括 2個(gè)部分，每個(gè)部分由20名學(xué)生的眼動(dòng)數(shù)據(jù)和相對(duì)應(yīng)的PAD情感量表組成。

5.1 基于單因素方差分析的眼動(dòng)指標(biāo)選取

通過實(shí)驗(yàn)，可以獲得 20名學(xué)生分別使用“美團(tuán)”和“百度糯米”完成設(shè)定的交互任務(wù)時(shí)的眼動(dòng)數(shù)據(jù)，以及PAD量表數(shù)據(jù)。將PAD情感值分為8個(gè)空間區(qū)域，分別標(biāo)注為1、2、3、4、5、6、7、8。整理20名同學(xué)所測(cè)的PAD情感空間如表2所示。

剔除異常的實(shí)驗(yàn)數(shù)據(jù)，然后使用SPSS軟件以情感分類作為影響因素，對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行方差齊性檢驗(yàn)，將顯著性水平小于0.05的眼動(dòng)指標(biāo)剔除，顯著性水平大于 0.05的眼動(dòng)指標(biāo)說明具備方差性，可以進(jìn)行下一步的單因素方差分析。 進(jìn)行單因素方差分析(表3)，發(fā)現(xiàn)交互任務(wù)下平均掃視幅度、最大掃視幅度、眨眼率、注視率、瞳孔最大值、瞳孔平均值、掃視率、最大掃視時(shí)間和平均掃視速度等 9個(gè)眼動(dòng)指標(biāo)的顯著性水平均小于0.05，可用于情感的預(yù)測(cè)。

表2 交互任務(wù)情感分類表

表3 眼動(dòng)數(shù)據(jù)單因素方差分析

5.2 情感模型建立

將眼動(dòng)指標(biāo)作為自變量，將情感值P、A、D 3個(gè)維度作為因變量，使用 PLS[16]建立眼動(dòng)指標(biāo)與用戶情感的模型，并將標(biāo)準(zhǔn)化的變量系數(shù)還原成原始數(shù)據(jù)的變量系數(shù)以及常數(shù)項(xiàng)，最終獲得還原后的回歸方程，即

其中，X1為眨眼率；X2為注視率；X3為掃視率；X4為最大掃視時(shí)間；X5為平均掃視幅度；X6為最大掃視幅度；X7為平均掃視速度；X8為瞳孔最大值；X9為瞳孔平均值。

6 模型檢驗(yàn)

6.1 模型有效性檢驗(yàn)

為了檢驗(yàn)?zāi)Ｐ偷挠行?，另選20名同學(xué)進(jìn)行上述相同的實(shí)驗(yàn)2次，得到40組PAD數(shù)據(jù)和眼動(dòng)數(shù)據(jù)，將實(shí)驗(yàn)數(shù)據(jù)代入到還原后的關(guān)系模型，預(yù)測(cè)用戶情感值。采用SPSS軟件對(duì)預(yù)測(cè)值和實(shí)際值進(jìn)行配對(duì)樣本t檢驗(yàn)，結(jié)果顯示顯著水平分別為0.230和 0.456，均大于 0.05，即通過數(shù)學(xué)模型預(yù)測(cè)的PAD情感值和真實(shí)數(shù)據(jù)沒有明顯的差異，說明該回歸模型有效，可以有效地預(yù)測(cè)用戶在使用APP過程中的情感狀態(tài)。

6.2 模型適用性檢驗(yàn)

20名同學(xué)用同樣的流程和方法以“窩窩團(tuán)”APP為實(shí)驗(yàn)對(duì)象，進(jìn)行交互任務(wù)情感測(cè)量實(shí)驗(yàn)，得到眼動(dòng)數(shù)據(jù)和PAD情感值，將眼動(dòng)數(shù)據(jù)分別代入相應(yīng)模型中得到情感預(yù)測(cè)值，將預(yù)測(cè)值和實(shí)際值匯總，結(jié)果如圖4所示。

圖4 PAD預(yù)測(cè)值和實(shí)際值對(duì)比圖

從圖 4可以看出，通過數(shù)學(xué)模型預(yù)測(cè)的情感值和真實(shí)的情感值之間數(shù)據(jù)大小相差不大，曲線圖分布趨勢(shì)相同，正負(fù)值相同，說明該模型對(duì)交互任務(wù)下用戶的情感預(yù)測(cè)有較好的適用性。

7 結(jié) 束 語

本文為了解決用戶在使用APP過程產(chǎn)生的情感難以客觀預(yù)測(cè)的問題，提出通過眼動(dòng)指標(biāo)和PAD情感量表進(jìn)行情感預(yù)測(cè)的方法，建立了移動(dòng)終端界面交互過程中眼動(dòng)指標(biāo)和PAD情感值的數(shù)學(xué)模型。通過計(jì)算該實(shí)驗(yàn)的函數(shù)映射關(guān)系，并對(duì)該映射關(guān)系進(jìn)行了驗(yàn)證，證明該數(shù)學(xué)模型能較為準(zhǔn)確地預(yù)測(cè)交互過程中用戶的情感值，并且具有良好的適用性。

[1] Hsiao S, Chiu F, Lu S. Product-form design model based on genetic algorithms [J]. International Journal of Industrial Ergonomics, 2010, 40(3): 237-246.

[2] Aktar D E, Anagun A S, Koksal G. Determination of optimal product styles by ordinal logistic regression versus conjoint analysis for kitchen faucets [J]. International Journal of Industrial Ergonomics, 2009, 39(5): 866-875.

[3] Seva R R, Duh H B, Helander M G. The marketing implications of affective product design [J]. Applied Ergonomics, 2007, 38(6): 723-731.

[4] Khalid H M. Embracing diversity in user needs for affective design [J]. Applied Ergonomics, 2006, 37(4): 409-418.

[5] Cotig? M I. Development and validation of a Romanian version of the expanded version of Positive and Negative Affect Schedule (PANAS-X) [J]. Procedia - Social and Behavioral Sciences, 2012, (33): 248-252.

[6] 李曉明, 傅小蘭, 鄧國(guó)峰. 中文簡(jiǎn)化版PAD情緒量表在京大學(xué)生中的初步試用[J]. 中國(guó)心理衛(wèi)生雜志, 2008, 22(05): 327-329.

[7] Pentus K, Mehine T, Kuusik A. Considering emotions in product package design through combining conjoint analysis with psycho physiological measurements [J]. Procedia-Social and Behavioral Sciences, 2014, (148): 280-290.

[8] Kamp I. The influence of car-seat design on its character experience [J]. Applied Ergonomics, 2012, 43(2): 329-335.

[9] 林 麗, 陽明慶, 張 超, 等. 產(chǎn)品情感研究及情感測(cè)量的關(guān)鍵技術(shù)[J]. 圖學(xué)學(xué)報(bào), 2013, 34(01): 122-127.

[10] 孫 敏. 基于眼動(dòng)技術(shù)的情感測(cè)量方法研究[D]. 沈陽:東北大學(xué), 2012.

[11] 劉 青, 薛澄岐, Hoehn F. 基于眼動(dòng)跟蹤技術(shù)的界面可用性評(píng)估[J]. 東南大學(xué)學(xué)報(bào)(自然科學(xué)版), 2010, 40(02): 331-334.

[12] 費(fèi)廣洪, 王細(xì)英, 龔桂紅. 圖文相關(guān)性對(duì)不同認(rèn)知方式大學(xué)生閱讀影響的眼動(dòng)研究[J]. 心理學(xué)報(bào), 2013, 45(07): 783-789.

[13] 吳開亞, 王玲杰. 生態(tài)足跡及其影響因子的偏最小二乘回歸模型與應(yīng)用[J]. 資源科學(xué), 2006, (6): 182-188.

[14] 陸洪濤. 偏最小二乘回歸數(shù)學(xué)模型及其算法研究[D].北京: 華北電力大學(xué), 2014.

[15] 羅 批, 郭繼昌, 李 鏘, 等. 基于偏最小二乘回歸建模的探討[J]. 天津大學(xué)學(xué)報(bào), 2002, 35(6): 783-786.

[16] 許鳳華. 偏最小二乘回歸分析中若干問題的研究[D].青島: 山東科技大學(xué), 2006.

Research on Emotional Forecast Method of the Mobile Terminal User Interaction Behavior

Ping Zhengqiang, Lü Jian, Pan Weijie, Liu Zhenghong
(Key Laboratory of Advanced Manufacturing Technology, Ministry of Education, Guizhou University, Guiyang Guizhou 550025, China)

User’s emotional experience in the design of interaction is related to the success of the design, the study of user’s emotion has been the research focus in the interaction design. People with mobile terminals produces emotion in the process of interactive behavior. Because of the emotion of subjectivity, it is difficult to measure objectively. This paper proposes a method predicting the emotion with eyes’ movement indices, choosing Chinese PAD emotional scales as the tool of emotional measurement, by partial least squares regression analysis to establish the eyes’ movement indices and PAD the emotional value of multivariate linear regression model, then carry on the experiment design, whether the the mapping function relation can accurately predict the emotion, the experimental results proved that the relational expression can accurately forecast emotion.

eye movement index; emotional forecast; interactive behavior; partial least squares

TB 472

10.11996/JG.j.2095-302X.2016060765

A

2095-302X(2016)06-0765-06

2016-05-09；定稿日期：2016-06-27

國(guó)家科技支撐計(jì)劃項(xiàng)目(2014BAH05F01，2014BAH05F02，2014BAH05F03)；貴州省科技計(jì)劃項(xiàng)目(黔科合J字 [2013]2108，Z字[2013]4005)；黔發(fā)改投資項(xiàng)目([2012]2747，[2012]2484)

平正強(qiáng)(1990?)，男，河南駐馬店人，碩士研究生。主要研究方向?yàn)榻换ヅc體驗(yàn)設(shè)計(jì)、產(chǎn)品創(chuàng)意設(shè)計(jì)、產(chǎn)品智能設(shè)計(jì)。E-mail：1075836105@qq.com

呂 健(1983?)，男，河北承德人，博士研究生。主要研究方向?yàn)橄冗M(jìn)制造模式及制造信息系統(tǒng)、數(shù)字化設(shè)計(jì)與制造、工業(yè)設(shè)計(jì)。E-mail：305515940@qq.com