HMM的情绪模型对个体心理健康的预测及其功能实现

孙 颖，远雪霏

(1.天津大学教育学院，天津 300072;2.天津大学理学院，天津 300072)

HMM的情绪模型对个体心理健康的预测及其功能实现

孙 颖1，远雪霏2

(1.天津大学教育学院，天津 300072;2.天津大学理学院，天津 300072)

基于隐马尔可夫链构造了一个情绪概率空间，定义了情绪预测用的基本情绪状态，以及个体情绪的基本变化转移过程，建立了预测个体情绪变化的情绪预测模型，并基于个体固有的个性情绪特征，对不同个体的情绪变化进行预测，绘制情绪图谱，给出了情绪能量、情绪强度和情绪熵等概念，用以描述情绪特征与情绪状态。通过Matlab的仿真计算，验证此预测模型可以较好地模拟情绪状态自发转移的动态过程，可用于个体的情绪预测模拟计算，为个体心理咨询和心理健康教育提供了一种新的路径，是心理建档时可依循的可靠数据资料。

情绪预测模型;隐马尔可夫模型;心理健康

一、引 言

1.情绪研究的现状

情绪是指个体在受到某种刺激时所产生的一种激动状态［1］。情绪是个体行为的重要驱动力，它影响着人们认知活动的方向、行为的选择、人格的形成以及人际关系的处理。情绪一直被心理学家认为是影响人类行为的一个重要方面［2］。情绪是智能活动的组织者，即行为选择作为智能活动的核心，是通过情绪来组织实现的，情绪一直是人格心理学家关注的核心领域［3］。人类的情绪是一个十分复杂的现象，包含着丰富的内容。情绪是以个体的愿望和需要为中介的一种心理活动，是人类特有的。它可以通过语言表达，也可以通过面部表情、体态等非言语的形式表达。当客观事物或情境符合主体的需要和愿望时，就会产生积极、肯定的情绪。当然，当客观事物或情境不符合主体的需要和愿望时，就会产生消极否定的情绪。

情绪是个体心理健康的晴雨表，是心理病理的一个预测指标。正性情绪(如乐观、热情等)有利于个体处于心理健康状态，而负性情绪(如悲观、抑郁、焦虑等)则容易引发个体心理障碍［4］。在现代社会中，个体由于各种情绪困扰产生心理障碍，导致危机事件发生的案例有不断上升的趋势［5］。个体如果不对负性情绪加以控制，而任其随意产生和变化，不论是对个人心理健康，还是对人与人之间关系的处理，都将造成非常消极的影响，严重地影响着个体的生命质量。因此，关注个体情绪的发生和发展，对心理健康教育也有着十分重要的意义［6］，将情绪测量与临床诊断及适合个体的治疗技术紧密相连，成为未来心理咨询领域的一个趋势，即通过对情绪的预测和解读，能够更好地维护个体的心理健康水平。

2.情绪预测的概述

情绪受个体固有性格的影响，当然也因所经历的生活事件的刺激而变化。情绪是个体固有性格和生活事件二者的函数。在二者的共同作用下，个体的情绪会从一个状态变化到下一个状态中，这种状态转移必然对个体和他的周围环境产生影响，并由于二者的交互影响，在一定程度上左右个体的行为和心理健康状态。如果情绪的状态向着负性的方向转移，就可能导致各种心理疾患的发生。为此，心理咨询和心理治疗工作者，乃至教育工作者一直都希望有一些具体的预测工具来帮助他们了解来访者和受教育者的情绪变化规律。但是到目前为止，由于缺乏对直接预测工具的研究，心理学工作者通常只能借助心理测评量表对来访者“过去一周”或“过去一个月”、“过去的半年”等信息的分析，依靠个人的临床经验对来访者未来的可能情绪状态进行定性的判断，而根本不可能对个体情绪能量、情绪强度和情绪熵等动态指标进行预测。由于每个咨询师的临床经验不同，对同一个来访者的情绪变化的分析会不一致，而且只是定性的分析，缺少定量的、直观的数据支持，无形中降低了心理咨询的科学评价功能。

因此，如果能够像身体检查那样，有更科学的手段，通过对个体历史情绪资料的数据采集，来推测个体情绪的可能变化规律，帮助心理咨询师更直观地看到个体“未来”的“情绪图谱”，就不仅可以对大学生的休学、退学、死亡等可能引起的情绪困扰提前预知，针对这个“情绪图谱”为个体制定诊断方案，进行提早干预;而且可以帮助教育工作者根据“情绪图谱”，对学生展开有针对性的情绪调节训练，或提出有针对性的拓展训练计划，提升大学生的情绪智力。

二、情绪预测的心理建模理论概述

1.情绪数据

“情绪计算”一词最初由美国麻省理工学院的Picard提出，她将其定义为“关于情绪、由情绪引发以及意图影响情绪的计算”［7］。由于情绪的真值不是显而易见的，因此为获得情绪的真值，有必要对情绪数据进行心理学度量。情绪数据应该具有自然度，数据的自然度是指被试的情绪表现与其在真实生活中的情绪表现相似的程度。其自然度越高，情绪数据越接近真实的情绪表现，情绪计算技术也越容易从实验室过渡到实际应用中［8］。因此，本研究采取从大学生真实的、日常生活中提取数据的方式。

2.情绪图谱

近几年，随着人工心理、智能机器人的研究，对人类情绪进行模拟成为这一研究领域的热点。开始的时候，研究者并没有将情绪作为智能仿真的重点，在学者们看来，情绪是非理性的，由于机器人和智能体需要在不确定环境条件下实现自主性行为选择，研究人员才将其注意力转移到情绪方面［3］。尽管心理健康教育领域中有关情绪模拟的研究还非常少，但借鉴人工智能领域的思想，完全有可能使心理健康教育走出只是停留于量表制作与完善方面的工作范畴，从而在情绪预测方面向前跨出更为实质的一步。

在心理学理论和信息科学的支撑下，尝试着运用隐马尔可夫模型(hidden Morkov model，HMM)对个体的情绪进行预测。HMM是一种用参数表示的，在Markov链的基础之上发展起来的，用于描述随机过程统计特性的概率模型。状态不能直接被看到，而是通过一个随机过程去感知状态的存在及其特性。这一点与情绪的特性非常相似，特别是HMM信号模型为描述情绪信号处理过程提供了理论基础，从而可以获得期望的输出;同时，情绪信号建模可以让我们更好地研究信号源——情绪过程，并且可以模拟信号源产生信号。总之，以HMM的情绪模型为基础，将情绪视为表征生命体心智状态的一种信息，认为情绪信息是情绪过程产生的观察序列，并假定这种情绪过程是一种马尔可夫过程。HMM具有上述优势，又符合人类情绪过程的行为规律，因而本文选用HMM作为对情绪信息的建模方法。其中的观察值对应人类表征的情绪指数，其中隐含的状态对应人类内隐的心情。

建立情绪预测的模型，目的是实现对个体情绪的模拟，通过个体的历史数据，预测在未来一段时间内个体可能产生的情绪反应序列。参照这样的时间序列，可以直观、确切地描绘出个体的“情绪图谱”，这一情绪图谱如同对个体进行身体检查的心电图一样直观，同时它也如同经济预测曲线一样，具有在既往历史数据的基础上，将未来情绪的发展走势描绘出来，以帮助人们更好地对所测试个体的过去和未来有一个直观的、量化的描述。

3.情绪的三个空间状态

本文将情绪分为高兴、平静、不高兴3个状态空间，它们对应的是隐马尔可夫模型中的状态数M，自评或他评的情绪指数视为离散变量，对应于隐马尔可夫模型中的观察值，这就需要对每一状态空间的情绪强度指数化。在“高兴”这一状态空间中定义情绪指数为1～7，1代表轻度的高兴，7代表躁狂(高兴的极端表现);在“平静”这一状态空间中，用0代表平静这一情绪指数;在“不高兴”这一状态空间中定义情绪指数为-1～-7，-1代表轻度的不高兴，-7代表抑郁(不高兴的极端表现)。

选择经典的离散HMM用于建立情绪预测模型，在每种内隐心情下，自评或他评报告的情绪指数会以一定的概率出现。由于隐马尔可夫模型由两部分组成，其中之一是由π、A描述的Markov链。显然，不同的π和A会决定Markov链的不同形状。在个体的情绪预测模型中，因为遗传因素和从小的受教育环境不同，个体固有的情绪稳态的形态是不一样的。从任意时刻开始，下一时刻可能到达任意状态。其Markov链为状态遍历的类型。

4.情绪预测模型的构建方法

利用HMM的Baum-Welch算法实现了情绪转移概率矩阵和某种心情状态下不同情绪输出概率矢量的参数估计。式中:E为情绪熵，即情绪量;pi为第i种情绪状态出现的概率;C为与对数底及单位选择有关的常数。

Emax代表了我们研究范围内的生命体的情绪复杂程度的最大值。就是说，Emax是上界，越接近此数值就越意味着具有感情丰富的特征。这种情绪熵是表征了我们所构造的情绪的整体表现。而在某一时刻的情绪稳定性可以用情绪熵来表达，其定义为式中:ei为在第i种状态的情绪熵;pij为第i中情绪状态到第j种情绪状态的概率;C为与对数底及单位选择有关的常数［9］。

因而，对情绪状态及相关问题，存在如下推论。

(1)在任意时刻，各情绪状态的概率之和为1，或者说，在任意时刻，分配给各情绪状态的能量之和等于总能量。

(2)在任意时刻，各情绪状态的情绪强度之和总为零。这说明各情绪状态是互相排斥的，一种状态的强度的增加，必然会使其他情绪状态的强度减少。

基于HMM的情绪预测模型将人类的情绪过程视为两层随机过程，通过调整模型的初始参数，能够预测出具有不同固有情绪特征的个体的情绪输出图谱。作为情绪引擎，以概率的形式预测情绪过程的发展变化情况。

三、情绪预测模型的应用

根据上述情绪预测的心理建模理论，本文情绪预测模型可以在给定个体相关信息后，很好地描述个体情绪状态的变化过程。

个体在没有引发情绪剧烈变化的日常生活状态(即无重大生活事件发生)下，此时个体的情绪状态相当于个体固有的、通常的稳定状态，这种稳定状态是个体情绪的一种常态，个体通常是以此种情绪状态与外界接触的。本文构建的情绪预测模型可以描绘出该个体在未来一段时间内，生活状态不发生重大改变的情况下，个体情绪图谱的可能样式。

例如，我们请同学甲将自己从清晨醒来以后的心情为起始点，按照情绪的3个空间状态中分别对应的情绪指数，每隔30分钟，进行1次自评。同时，请同学乙，经常与同学甲在一起，负责每30分钟提醒同学甲进行自评，同时作为旁观者，同学乙将自己观察到的同学甲的情绪也依照上面同样的要求记录下来。本次实验，同学甲从早晨7点开始，每隔30分钟自评1次，直至晚上睡觉前，共进行了33次自评。同样，同学乙也针对同学甲的情绪进行了33次的他评。结果，我们得到了两个序列，见图1和图2，图中的横坐标代表的是测量的次数，图中的纵坐标代表的是情绪指数。

图1 自评序列

图2 他评序列

在同学甲提交自评报告后，我们对同学甲检测 《青少年生活事件量表(ASLEC)》，［11］检测结果表明，他最近的3个月内并未遇到重大应激，由此可知此次记录的同学甲的情绪指数是该个体的1种固有的情绪状态。

通过本文设计的情绪预测模型的运算，可以对个体固有情绪状态转移矩阵A以及情绪强度分布概率矩阵B作出最大似然估计，即

根据估计出的A和B，可以预测个体未来一段时间的情绪图谱，参见图3和图4，图中的横坐标代表的是测量的次数，图中的纵坐标代表的是情绪指数。

图3 个体内隐情绪发展的预测图谱

图4 个体外显情绪发展的预测图谱

从图中可以看出，在接下来的日子里，对同学甲进行跟踪观测，可以发现他的情绪状态与本模型预测的情绪变化规律基本一致。证明该模型与实际生活拟合良好。

再例如，如果学生丙在一个月之内受到非常严重的生活事件打击，打击将改变其情绪状态转移矩阵A，可使用上例中的方法估计出其受打击前后的状态转移矩阵，再进行一系列的情绪预测并得出固有情绪收敛点。若学生丙的状态如下，可得出

生活事件发生前的A矩阵为A1，即

根据其个体固有情绪状态转移矩阵A可以预测学生丙在一段时间内的情绪序列，经Matlab仿真计算，得到学生丙在生活事件前后的固有个性的情绪发展图谱，见图5和图6。

图5 学生丙在重大生活事件之前的固有个性情绪的情绪发展图谱

图6 学生丙在重大生活事件之后的固有个性情绪的情绪发展图谱

从两个情绪序列中可以看到，由于打击使该个体的情绪转移矩阵发生了变化，由消极情绪转向积极情绪的概率降低，而由积极情绪转向消极情绪的概率增加，导致该个体在一段时间内出现消极情绪的频率更高，甚至其情绪发展图谱中的平衡点也发生了显著变化。情绪发展图谱中坐标(x，y，z)分别代表个体处于不高兴，平静，高兴3种情绪状态的概率。情绪发展曲线的起始点都是(1/3，1/3，1/3)，从计算结果中我们可以看到情绪收敛点已由(0.05，0.333 3，0.616 7)变为了(0.766 7，0.116 7，0.116 7)，即已由积极区域转移到了消极区域。这样的预测可以提醒教育者对学生丙要给予及时的干预，针对其情绪转移矩阵的变化进行有效的心理援助，使他及时的从负性情绪中走出来。

这样的预测功能显然为心理健康教育提供了科学、客观、具体的个体情绪资料。

综上所述，本文所提出的情绪计算的基本概念和建模方法，经理论推导和仿真计算，符合人类情绪变化规律，为情绪预测理论的深入研究奠定了基础，也为建立更为理想的情绪预测计算模型提供了一个新途径。

四、结 语

本文借助隐马尔可夫模型，将一些经验式的理念通过严格的推导过程，对个体的情绪进行预测。将情绪信息视为情绪过程产生的观察序列，并假定这种情绪过程是一种马尔可夫过程，利用HMM作为对情绪信息的建模方法。用这种方法建立的模型能够预测情绪信息将来最有可能出现的观察值，从而对情绪的发展进行预测，并以个体的自评方式输出。使用Matlab软件建模，利用Baum-Welch算法进行编程并予以实现，采用此方法可以得到使给定观察序列出现概率最大的模型参数估计结果。从而为情绪模型参数的确定提供了一种理论分析方法。应用情绪熵的概念，结合HMM模型，对个体的情绪发展变化情况进行预测，经过检验，符合个体的情绪变化规律，被证明是一个具有很好拟合度的情绪预测模型。情绪也是生产力，这句话对受教育者来说，强调了对受教育者个体成长和心理保健的意义;情绪也是生产力，这句话对教育者来说，强调了对当事人情绪发展的预测，即情绪的预测功能，使情绪成为心理咨询中帮助来访者走出心灵沼泽的一个有效咨询目标，这必将提升心理咨询与心理健康教育的可作为空间。本文所实现的情绪交互，不是基于行为模式的方法，而是基于统计模型规律的，这种情绪建模方法是可行的，并且具有建模简单，情绪预测的结构易于理解的特点，这样的研究结果为将信息科学引入心理健康教育提供了一种理论设计方法。

当然，人类的情绪是在一定的环境中产生的，并且决定于事情发生的背景和个人的文化背景。因此，建立一个普遍适用的情绪模型是相当困难的。本文的主要工作就是阐述基于信息科学的理论及隐马尔科夫过程，构建情绪模型的实践，并讨论了个性参数对构建的情绪模型的影响，从而验证了该模型对个体情绪模拟和预测方面的有效性，以及基于HMM的情绪预测建模方法的可行性。在未来的研究中应该加大对不同个体的测试数据，在更大的范围内进行模型的验证，以使该模型生成的情绪预测图谱与对个体未来发生的真实情绪有更好的拟合。二者的拟合度越高，该模型给心理咨询师和教育者提供的信息就越准确、越丰实，干预点的选择及干预方案的制定才会越有效，对受教育者的帮助才越大。

［1］石 林.情绪研究中的若干综述［J］.心理学动态，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］张国锋，李祖枢.基于情绪的人工生命合作型行为选择机制［J］.信息与控制，2009，38(6):718-723.

［4］刘连龙，胡明利.大学生情绪稳定性对心理健康的预测作用［J］.西北大学学报:哲学社会科学版，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］邓丽芳，郑日昌.大学生的情绪向性、表达性与心理健康关系的研究［J］.心理发展与教育，2003(2):69-73.

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

［8］张迎辉，林学誾.情绪计算中的实验设计和情绪度量方法研究［J］.中国图象图形学报，2009，14(2):292-302.

［9］谷学静，王志良，魏哲华，等.基于人工心理理论的情感模型构建方法研究［J］.微计算机信息，2006，22(2):264-266.

［10］滕少冬，王志良，王 莉，等.基于马尔可夫链的情感计算建模方法［J］.计算机工程，2005，31(5):17-19.

［11］刘贤臣，刘连启，杨 杰.青少年生活事件量表的编制与信度效度检验［J］.中国临床心理学杂志，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年教育部人文社会科学研究规划基金资助项目(11YJA190014).作者简介:孙 颖(1969— )，女，博士，副教授.

孙 颖，psysun jp@hotmail.com.