基于Agent的情感劝说的决策过程及模型研究

伍京华，韩佳丽，王佳莹

基于Agent的情感劝说的决策过程及模型研究

伍京华，韩佳丽，王佳莹

（中国矿业大学（北京）管理学院，北京 100083）

Agent具有情感后进行的劝说决策会更加理性，而现有研究还不够全面深入。针对此问题，首先结合形式逻辑理论，定义了基于Agent的情感劝说及其决策过程，并将基于Agent的情感劝说的决策过程划分为评价情感劝说行为、更新情感劝说状态、调整情感劝说目标、产生情感劝说行为四个阶段；其次针对这四个阶段，结合OCC情感模型和PAD心情模型，运用多属性效用理论，引入情感淡化因子和情感评价因子，定义了Agent情感触发函数，建立了八种Agent基本情感与劝说目标的映射关系，将Agent的情感劝说行为分为奖励型、申辩型、威胁型和反辩型四类，分别构建了相应的决策模型，从而构成了更加完整和合理的基于Agent的情感劝说的决策过程模型；最后通过算例证明了模型的合理性和有效性。

Agent；情感劝说；决策过程；决策模型

0 引言

与传统谈判方式相比，基于Agent的人工智能谈判能节省不必要的人财物等资源，减少成本，提高效率，因此逐渐成为商务谈判领域的研究热点。人工智能Agent的引入，主要是模仿人类的行为、推理和决策，最大限度地发挥人的作用。情感作为人的意识形态之一，会影响人类的认知、目标和行为，在人类决策过程中起着相当重要的作用。同理，情感作为人工智能领域不可或缺的组成部分，将其相关理论模型应用到基于Agent的劝说中，也将产生重要的研究意义：一方面，将情感模型应用到基于Agent的劝说中，构建相应模型，能使Agent更加具有人的特性，更加拟人化，在劝说过程中也更能体现现实中人的决策理性和风格，劝说结果也更加容易解释，这就能使基于Agent的劝说的研究更加接近现实的劝说环境，更加符合劝说实际；另一方面，借助认知心理学及相关理论成果，研究基于Agent的劝说的情感决策过程，构建基于Agent的情感劝说的决策过程模型，分析人类在解决劝说过程的复杂问题的内在机理，进而指导基于Agent的劝说过程中的思维与情感认知，以及最后劝说行为的产生，从而解决Agent在劝说过程中的复杂问题，可以为该领域研究存在的难题提供借鉴和参考，进而加快该领域的发展。

目前，国内外对该领域已有一定研究。首先，在Agent决策领域，文献[1]借助于马尔可夫决策过程理论，提出了行为驱动的马尔可夫决策过程，并将其应用到Agent领域。文献[2-3]用影响图表示决策问题，结合动态贝叶斯网络，提出了多Agent实时决策方法。文献[4-7]将Agent决策方法应用到实际工程问题上，有效地解决了海上船舶碰撞、飞机调度、矿工风险等问题。文献[8]从Agent决策支持系统框架的可更改性、可集成性两个角度出发，对已有框架的不足之处进行改进，开发了基于Agent的供应链决策支持系统。文献[9~10]在基于Agent的劝说领域引入前景理论和后悔理论，构建了基于前景理论的多Agent劝说模型，并将劝说决策过程进行优化，使Agent的决策更接近于人的实际决策行为。文献[11-12]从辩论的角度对Agent劝说的作用机理进行研究，提出了基于辩论的多Agent劝说的让步模型及策略，以此为契机分析了加入辩论后Agent如何通过劝说进行信息决策，并利用原型系统实现了这一过程。在以上学者的研究中，文献[1-8]均提出或改进了Agent的决策方法，但并未将劝说和情感引入Agent决策过程；文献[9-12]虽然考虑了辩论对Agent决策的影响并进行了优化，模拟了人的行为，但同样没有考虑情感对基于Agent的劝说的决策过程的影响。

其次，在 Agent情感劝说领域，文献[13]构建了基于情感识别的自适应多Agent的虚拟ICAI系统及模型框架。对于情感劝说能力，文献[14-16]提出让计算机具有情感能力，从而有效地模仿人的行为。文献[17-18]通过模拟虚拟的学习环境，运用人工心理与情感计算相关理论，研究了Agent的情感产生与发展机制、学习动机及其与学习情感的映射关系，从而实现了相应的智能Agent。文献[19-21]以Agent的面部运动为出发点，提出了Agent情感状态的描述方法，实现了Agent的个性化情感表达输出。文献[22]对Agent的个性、心情及情感三者之间的关系进行量化，构建了一种多层次情感计算模型，并通过该模型反映了多重情感的连续波动，进而反映人类的情感变化。文献[23]将生理、认知、情感方面的研究成果运用到了Agent领域，通过构建情感计算模型，使Agent产生具体的情感行为。文献[24-25]以情感的动态性和模糊性为切入点，提出了基于模糊逻辑的教学Agent的情感建模方法，构建了相应的情感Agent的反馈策略。文献[26-29]则在情感分类的基础上，研究了不同情感状态对Agent劝说的影响程度，以及相应的让步幅度。文献[30-32]分别从Agent交互过程、劝说技术、劝说策略角度出发，将情感引入Agent中，构建情感Agent，使其在交互、劝说过程中更符合人的行为。以上学者均提出了Agent的情感模型，但是仅停留在Agent情感劝说层面，并未考虑情感与决策过程相融合，更好地模拟人的行为。

再次，在Agent情感劝说的决策领域，文献[33-34]提出了基于Agent的劝说的形式化模型。文献[35-37]构建了基于Agent优化的自适应协商模型。文献[38]构建了基于人工情感与计算智能的机器人行为决策方法，并提出了基于“害怕”的情感模型与强化学习的机器人行为决策方法。文献[39]构建了一种基于Agent的情感智能决策方法，并用来解决无人机航线规划的决策问题。文献[40]以情感对决策的影响为出发点，结合多Agent理论，提出了情感Agent模型以及具有情感功能的多Agent决策模型。文献[41]提出了一种多层情感认知模型来构建具有理性和感性的拟人Agent，并实现了无人参与的Agent情感决策过程。文献[42]提出了在刺激响应机制下的Agent的情感计算模型，并给出了情感交互决策算法，构建了情感交互Agent对于过程控制工程问题的解决方案。文献[43]提出了一种具有情感因子的Agent概念模型EACM，并设计了EACM情感决策过程及相应的算法，最终通过建模仿真平台实现了映射过程。以上学者对情感影响决策的过程进行了研究，但仅侧重于某种情感或仅停留在某一方面（如航线规划问题），并没有系统地探讨决策过程是如何一步一步受到情感影响并转变决策结果的。

综上所述，现有研究都有可取之处，但都没有深入研究情感对Agent的决策过程的影响。例如文献[1-2,8,11-12]都是对Agent决策过程的研究与改进，但基本上只是停留在决策系统和决策框架方面，并没有考虑情感对Agent决策过程的影响。文献[17]只考虑了情感的产生与发展机制，并未深入探讨情感对Agent决策过程的影响。文献[22]只是单纯分析个性、心情和情感之间的关系，并未将其运用到基于Agent的劝说领域。文献[19，23-24]虽然构建了情感Agent，对Agent情感进行适当量化，实现了基于Agent的劝说的情感表达和情感行为的产生，但在情感对Agent决策方面的研究相对较少。文献[26-32]主要从情感影响Agent的交互过程、劝说技术、劝说策略角度展开研究，使基于Agent的劝说更符合人的行为，但缺乏对决策过程进行更加理性和量化的分析，因而也不够全面。文献[38,40]虽然是在Agent情感模型的基础上提出的决策方法，但只考虑了“害怕”情感，因此显得过于单一和片面。文献[43]提出的概念模型则侧重于算法方面的系统实现，并未深入分析情感对Agent决策过程的内在作用和机理。

针对上述研究中的问题，本文将情感引入Agent的劝说领域，构建了基于Agent的情感劝说的决策模型，将劝说过程划分为评价情感劝说行为、更新情感劝说状态、调整情感劝说目标和产生情感劝说行为四个阶段，并围绕这四个阶段深入研究了情感是如何影响决策过程的，利用PAD心情模型将OCEAN个性模型和OCC情感模型联系起来，构建了更加完整和合理的基于Agent的情感劝说的决策过程模型，最后通过算例证明了模型的合理性和有效性。

1 基于Agent的情感劝说的决策过程及划分

1.1 基于Agent的情感劝说的决策过程

定义1 基于Agent 的情感劝说

定义2 基于Agent 的情感劝说的Agent个性

定义3 基于Agent 的情感劝说的决策过程

1.2 基于Agent的情感劝说的决策过程划分

为便于对基于Agent的情感劝说的决策过程建模和分析，同时根据以上定义，可以将基于Agent的情感劝说的决策过程划分为图1的四个阶段：

图1 基于Agent的情感劝说的决策过程划分

Table 1 Decision process for emotional persuasions of an agent

（1）评价情感劝说行为。Agent在感知到对方情感劝说行为后，从不同维度对感知到的劝说行为进行评价，并将其量化为具体评价值。此外，该部分还可划分为感知劝说行为和评价劝说行为两个子阶段。

（2）更新情感劝说状态。Agent通过对上述情感劝说行为评价值的认知，产生情感空间各维度的情感强度值，随后Agent会按照自己的个性及历史情感劝说状态去更新情感劝说状态，触发相应情感。

（3）调整情感劝说目标。Agent利用触发的情感对Agent当前情感劝说状态进行评价，调整并重新确定情感劝说目标。

（4）产生情感劝说行为。Agent确定当前要达到情感劝说目标后，Agent根据自身的规划能力确定并产生特定的情感劝说行为。

2 基于Agent的情感劝说的决策过程模型

从以上定义及划分来看，为了建立更加完整和合理的基于Agent的情感劝说的决策过程模型，应当针对以上四个阶段分别建立相应的模型。

2.1 评价情感劝说行为模型

2.2 更新情感劝说状态模型

考虑情感淡化的情感触发函数表示为：

2.3 调整情感劝说目标模型

2.3.1 情感触发与评价

为充分考虑情感这一影响因素，本文借鉴文献[31][32]

来分别表示Agent的开放性、谨慎性、外向型、宜人性和

情感触发阈值可以由公式(6)计算得到：

在Agent触发相应情感后，对当前劝说状态的评价会发生变化，因此定义情感评价因子：

在实际的劝说过程中，Agent可能会同时触发几种不同情感，这时把情感影响因子定义为不同情感的情感因子加权和形式，如下所示：

其中，权重的计算方法如公式(9)所示：

2.3.2 调整情感劝说目标

表1　Agent的映射规则

2.4 产生情感劝说行为模型

Agent对两种不同目标产生的情感劝说行为也有所不同，本文参照文献[45]中定义劝说策略的方式，将情感劝说行为分为四类：奖励型、申辩型、威胁型和反辩型，表示如下：

由于情感状态效用评价值能够反映决策Agent对当前劝说环境的情感强度，值为正的情感效用评价值越大，表示Agent愉悦程度越高，因此会选择相对劝说力度更大一些的奖励型劝说行为，反之亦然。

在此基础上，进一步细化Agent的情感状态效用评价值和劝说行为类型的匹配规则，如表2所示。

表2 Agent的情感状态效用评价值和劝说行为类型的匹配规则

从表2 来看，Agent在进行决策时，根据情感状态效用评价值和劝说行为类型的匹配规则，确定要输出的Agent劝说行为的类别，并将该行为发送给对方Agent。

3 算例仿真

表3 谈判过程中各属性的取值范围

Table 3 Ranges of attributes in negotiation process

在Agent评价情感劝说行为的阶段，计算得到各属性的效用评价值为：

若Agent只触发满意这一种情感，此时计算Agent的情感评价因子值：

由此可得，在满意情感的影响下，Agent的当前满意状态评价效用值为：

4 结论

情感劝说能够反映人类在产生该行为时所具有的情感、目标、愿景，能够展现人在各种环境下的潜在意识以及行为，其所涉及的理论更加丰富，如哲学、认知学、逻辑学、心理学等，将其引入电子商务劝说过程中，能更好地发挥Agent在人工智能方面的优势，使得Agent可以使用其中更具有说服力的策略，并且可以使Agent更大程度地在模拟人类真实商务劝说的基础上完美地实现自动劝说的功能和目的。相较于传统商务劝说，基于Agent的情感劝说机制允许Agent在劝说过程中交换和交流除提议之外的信息，可以根据具体的劝说环境有针对性的通过情感劝说形式进行更多信息的交流，能够对劝说对方Agent的情感状态、信念和目标等施加动态的影响，改变对方决策行为，加快劝说进程，提高劝说效率。

本文将情感引入Agent劝说领域，首先结合形式逻辑理论，定义了基于Agent的情感劝说及其决策过程，并将基于Agent的情感劝说的决策过程划分为评价情感劝说行为、更新情感劝说状态、调整情感劝说目标、产生情感劝说行为四个阶段；其次针对这四个阶段，结合OCC情感模型和PAD心情模型，运用多属性效用理论，引入情感淡化因子和情感评价因子，定义了Agent情感触发函数，建立了八种Agent基本情感与劝说目标的映射关系，将Agent的情感劝说行为分为奖励型、申辩型、威胁型和反辩型四类，分别构建了相应的决策模型，从而构成了更加完整和合理的基于Agent的情感劝说的决策过程模型；最后通过算例证明了模型的合理性和有效性。经过归纳和梳理，与已有研究相比，本文做出的改进和创新主要有：

（1）本文的研究是将Agent的情感特性融入了基于Agent的劝说中的进一步深入研究，因此是将已有的基于Agent的劝说研究进一步改进后，应用到了智能商务谈判领域。文献[45]提出了基于Agent的辩论谈判过程的模型和策略，但是对于决策过程并没有深入研究，同时也没有考虑情感因素对谈判的影响，因此模型较为简单，文献[11]详细研究了辩论如何影响信息决策并进行了验证，但是情感作为Agent人工智能的另一项重要特性，却没有被考虑进来，这在很大程度上制约了Agent人工智能特性的全面和充分发挥。因此，本文的研究是在结合上述学者等的研究基础之上，将更有代表性的Agent的人工智能中的情感特性应用到了人们日常商务活动的智能谈判，既是对人工智能领域的实际应用，也探索了更加合理有效的解决实际商务谈判问题的方案。

（2）目前大部分研究都只是将决策视为一个简单步骤，因此建立的模型也较为简单。文献[38]仅研究了机器人在带有人工情感时的学习策略和其他学习策略情况下的对比，表明了带有情感的机器人能够适应外界环境的变化，更好做出决策，文献[40]虽然提出了具有情感参数的Agent模型以及决策会受到情感的影响，但是这些仅仅停留在理论层面，缺少对模型进行验证，因此可行性都难以确定。文献[41]虽然将心情、情感、性格进行了很好的研究和融合，并建立了相应的情感计算和认知评价方法，但是对决策过程研究的甚少，而且趋向于决策结果的目标优化问题，所以并没有深入研究决策过程是如何进行的。但是事实上，当Agent处于情感劝说的环境下，其决策是依据Agent的心理和实际场景动态变化的，因此是复杂多变的。本文的研究则充分考虑了这些问题，通过将该决策过程划分为评价情感劝说行为、更新情感劝说状态、调整情感劝说目标和产生情感劝说四个阶段，并分别建模，从而将复杂问题分解，既能更真实有效的反应Agent在情感劝说中的动态心理变化，也能使建立的模型更加科学和有针对性。

（3）已有Agent情感研究大多停留在各自适用的领域，例如文献[23]仅考虑了情感Agent在司机驾驶方面的问题，文献[24]中的情感Agent仅适用于教学行为，文献[39]仅研究了具有情感的无人机在航路规划方面的问题，因此这些模型的应用领域都比较单一，本文的研究是考虑到基于Agent的情感劝说决策在商务谈判过程中要能够普遍适用而建立起来的模型，使基于Agent的情感劝说决策过程更具有说服力。例如本文在评价情感劝说行为阶段，采用多属性效用理论对评价值进行计算，避免了单一属性的局限性；在更新情感劝说状态阶段，考虑该阶段情感淡化的特征，引入情感淡化因子，构建了相应的情感触发函数，设计了情感阈值的计算方法，从而判断Agent是否触发该情感，相比文献[43]直接赋予Agent情感更具有合理性；在调整情感劝说目标阶段，根据OCC情感模型和PAD心情模型，提出了情感评价因子和相应权重的概念和计算方法，，并将PAD模型的八种基本情感与当前可能的目标建立映射关系，Agent通过衡量当下的情感状态来选择当前目标及劝说行为；在产生情感劝说阶段，将情感劝说行为进行分类，并通过构建Agent的情感状态效用评价值和劝说行为类型的匹配规则，确定要输出的Agent劝说行为的类别，使劝说更加符合人的思维。

[1] 石轲. 基于马尔可夫决策过程理论的Agent决策问题研究[D]. 合肥：中国科学技术大学, 2010.

Shi K. Decision-making problems based on the theories for Markov Decision Process[D]. Hefei: The University of Science and Technology of China, 2010.

[2] 王浩. 基于影响图的多Agent决策问题研究[J]. 合肥工业大学学报(自然科学版), 2005, 28(09):1112-1116.

Wang H. Study of the decision problem of multi-agent systems based on IDs[J]. Journal of Hefei University of Technology (Natural Science), 2005, 28(09): 1112-1116.

[3] 鲁桂芳. 基于交互式动态影响图的决策模型及算法分析[J]. 科技经济导刊, 2016(03):3-4+28.

Lu G F. Decision-making Model and Algorithmic Analysis based on interactive dynamic influence diagrams[J]. Technologyand Economic Guide, 2016(03):3-4+28.

[4] 邵俊倩, 李成凤. Multi-agent技术在海上船舶避碰决策系统开发中的应用[J]. 舰船科学技术, 2018,40(02):64-66.

Shao J Q, Li C F. Application of Multi-agent technology in the development of ship collision avoidance decision system at sea[J]. Ship Science and Technology, 2018, 40(02):64-66.

[5] 张润. 基于多Agent的飞机调度协同决策技术研究[D]. 南京：南京航空航天大学, 2017.

Zhang R. Research on Multi-Agent-Based Synergic Decision Technologies for Aircraft assignment[D]. Nanjing: Nanjing University of Aeronautics and Astronautics, 2017.

[6] 杜文哲, 郭进平. 基于Agent模型的矿工风险决策仿真研究[J]. 煤炭技术, 2017, 36(10):319-321.

Du W Z, Guo J P. Study on Risk Decision Simulation of Miner Based on Agent Model[J]. Coal Technology, 2017, 36(10):319-321.

[7] 田宇, 赵昶宇. 多Agent智能故障诊断在舰载火控系统上的应用[J]. 科技与创新, 2017(13):146-147+150.

Tian Y, Zhao C Y. Application of Multi-agent intelligent fault diagnosis in a Shipboard Fire Control System[J]. Science and Tecnology &Innovation, 2017(13):146-147+150.

[8] 李林. 基于Agent的决策支持系统框架及应用协议研究[D]. 苏州：苏州大学, 2005.

Li L. Study on agent-based decision support system framework and application protocol[D].Suzhou: Soochow University, 2005

[9] 李静. 基于前景理论的多Agent辩论协商策略研究[D]. 北京：北京工业大学, 2015.

Li J. Study on debate and consultation strategy for multi-agents based on prospect theory[D]. Beijing: Beijing University of Technology, 2015.

[10] 危小超, 李岩峰, 聂规划等. 基于后悔理论与多Agent模拟的新产品扩散消费者决策互动行为研究[J]. 中国管理科学, 2017, 25(11):66-75.

Wei X C, Li Y F, Nie G H, et al. Research on Consumer Decision-making Interaction Behavior in New Product Diffusion Based on Regret Theory and Multi-Agent Simulation [J]. Chinese Journal of Management Science, 2017, 25(11):66-75.

[11] 张鸽, 蒋国瑞, 黄梯云. 基于辩论的多agent商务谈判辩论产生和决策过程研究[J]. 运筹与管理, 2011, 20(2):7-14.

Zhang G, Jiang G R, Huang T Y. Argument generation and decision process in multi-agent argument-based negotiation oriented to E-commerce[J]. Operations Research and Management Science, 2011, 20(2): 7-14.

[12] 张鸽, 蒋国瑞, 黄梯云. 基于辩论的多agent商务谈判辩论产生机制研究[J]. 计算机应用研究, 2011, 28(2):594-597.

Zhang G, Jiang G R, Huang T Y. Generation mechanism in multi- agent trade argumentation-based negotiation[J]. APPLICATION RESEARCH OF COMPUTERS, 2011, 28(2): 594-597.

[13] 卢阿丽, 杨庆, 颜惠玲等. 基于情感识别的自适应多Agent虚拟ICAI系统的研究[J]. 实验技术与管理, 2016, 33(05):125-128.

Lu A L, Yang Q, Yan H L, et al. Study on adative multi-agent virtual ICAI system based on emotion recognition[J]. Experimental Technology and Management, 2016, 33(05): 125-128.

[14] Phan M D, Phan M T, Nguyen D H. Argument-based decision making and negotiation in E-Business: contracting a land lease for a computer assembly plant[C]. CLIMA IX, LNAI 5405, 2009: 154–172.

[15] Jain P, Dahiya D. An intelligent multi agent framework for E-commerce using case based reasoning and argumentation for negotiation [M]. Information Systems, Technology and Management. Springer-Verlag Berlin Heidelberg. 2012: 164-175.

[16] Aydoğan R, Yolum P. Learning opponent’s preferences for effective negotiation: an approach based on concept learning [J].Autonomous Agents and Multi-Agent Systems, 2012, 24(1): 104-140.

[17] 金钺. 虚拟学习环境下基于情感计算流程的Agent模型研究[D]. 北京:北京邮电大学, 2008.

Jin Y. Research on agent model based on emotion computing process in virtual learning environment[D]. Beijing: Beijing University of Posts and Telecommunications, 2008.

[18] 林君焕, 刘箴, 陈月芬. 多智能体环境下的情绪决策模型[J]. 模式识别与人工智能, 2015, 28(04):369-376.

Lin J H, Liu Z, Chen Y F. An Emotion Decision-Making Model in Multi-agent Environment, PI and AI, 2015, 28(04):369-376.

[19] 杨斌, 周芳芳, 贾培发. 多任务环境中基于情感的拟人Agent面部运动的实现[J]. 清华大学学报(自然科学版), 2009, 49(08): 1224- 1228.

Yang B, Zhou F F, Jia P F. Implementation of emotional facial actions for human-like agents in a multi-tasking environment[J]. Journal of Tsinghua University ( Sci & Tech ), 2009, 49(08): 1224- 1228.

[20] 闵绘宇. 复杂社交网络中基于Agent模型的个体观点预测[D]. 南京：东南大学, 2017.

Min H Y. Prediction of individual perspective based on Agent Model in complex social networks[D]. Nanjing: The Southeast University, 2017.

[21] 吴鹏, 金贝贝, 强韶华. 基于BDI-Agent模型的突发事件网络舆情应急响应建模研究[J]. 现代图书情报技术, 2016(Z1):32-41.

Wu P, Jin B B, Qiang S H. Research on the network public opinion emergency response modeling based on BDI-agent model[J]. New Technology of Library and Information Service, 2016(Z1):32-41.

[22] 李海芳, 何海鹏, 陈俊杰. 性格、心情和情感的多层情感建模方法[J]. 计算机辅助设计与图形学学报, 2011, 23(4):725-730.

Li H F, He H P, Chen J J. A Multi-layer Affective Model Based on Personality , Mood and Emotion[J]. Journal of Computer-Aided Design & Computer Graphics, 2011, 23(4):725-730.

[23] 余腊生, 何满庆. 基于Agent和情感计算的司机驾驶行为模型研究[J]. 企业技术开发, 2009, 28(03):19-21.

Yu L S, He M Q. Study of driving behavior model based on Agent and ambient intelligence[J]. Technological Development of Enterprise, 2009, 28(03):19-21.

[24] 李太华. 情感教学Agent:建模与反馈策略研究[D]. 重庆:西南大学博士论文, 2008.

Li T H. Emotion teaching agent: Modeling and feedback strategy research[D]. Chongqing: The Thesis of the Degree of PhD from Southwest University, 2008.

[25] 周颖. Agent模式下的网络智能教学平台的设计与开发[J]. 电子技术与软件工程, 2018(19):53.

Zhou Y. Design and development of network intelligent teaching platform under agent mode[J]. Electronic Technology and Software Engineering, 2018(19):53.

[26] Mian S Q, Oinas-Kukkonen H. An analysis of previous information systems research on emotions [J]. CEUR Workshop Proceedings, 2016:36-55.

[27] Benlamine M S, Villata S, Ghali R, et al. Persuasive Argumentation and Emotions: An Empirical Evaluation with Users[M].Human- Computer Interaction. User Interface Design, Development and Multimodality, 2017: 659-671.

[28] Dalibon S E F, Martinez D C, Simari G R. Emotion-directed Argument Awareness for Autonomous Agent Reasoning[J]. Inteligencia Artificial Revista Iberoamericana De Inteligencia Artificial, 2012, 15(50):30-45.

[29] Jiang H, Vidal J M, Huhns M N. Incorporating emotions into automated negotiation [C]. Proceedings of Agent Construction and Emotions (ACE 2006): Modeling the Cognitive Antecedents and Consequences of Emotion Vienna: [sn], 2006, 256.

[30] Paradeda R B, Ferreira M J, Dias J, et al. How Robots Persuasion based on Personality Traits May Affect Human Decisions[C]. The Companion of the 2017 ACM/IEEE International Conference. ACM, 2017:251-252.

[31] Mehrabian A. Analysis of the Big-five Personality Factors in Terms of the PAD Temperament Model[J]. Australian Journal of Psychology, 1996, 48(2): 86-92.

[32] Gebhard P. ALMA: a layered model of affect[C]. Proceedings of the Fourth International Joint Conference on Autonomous Agents and Multi-agent Systems. ACM, 2005: 29-36.

[33] Bex F J, Bench-Capon T. Persuasive Stories for Multi-Agent Argumentation[R]. Proceedings of the 2010 AAAI Fall Symposium on Computational Narratives, 2010:4-5.

[34] Weide T L, Dignum F, Meyer J-J Ch, et al. Multi-Criteria Argument Selection In Persuasion Dialogues[C]. Proceedings of the 10th International Conference on Autonomous Agents and Multi-Agent Systems, 2011:921-928.

[35] 张京敏, 董红斌. 基于中介Agent的强化学习优化协商模型[J]. 计算机科学, 2017, 44(01):53-59.

Zhang J M, Dong H B. Optimized Negotiation Model based on Reinforcement Learning of Medium-agent[J]. Computer Science, 2017, 44(01):53-59.

[36] 王溪. 基于Multi-Agent的个性化产品供应链多边协商机制研究[D]. 郑州：郑州大学, 2017.

Wang X. Research on multi-agent based multilateral negotiation mechanism of personalized product supply chain[D]. Zhengzhou: Zhengzhou University, 2017.

[37] 庞婷, 马俊峰, 何喜军. 基于Adaboost-SVM的多Agent供应链产销协同自适应协商策略[J]. 黑龙江大学自然科学学报, 2017, 34(02):241-246.

Pang T, Ma J F, He X J. Self-adaption negotiation strategy of multi-agent production and marketing coordination in supply chain based on daboost-SVM[J]. Journal of natural Science of Heilongjiang University, 2017, 34(02):241-246.

[38] 祝宇虹, 毛俊鑫. 基于人工情感与Q学习的机器人行为决策[J]. 机械与电子, 2011(07):61-65.

Zhu Y H, Mao J X. Robot’s Behavioral Decision-making Strategy Based on Artificial Emotion and Q-learning. Machinery & Electronics, 2011(07):61-65.

[39] 任天助, 周锐, 李浩. 一种基于情感智能的无人机自主决策方法 [J]. 电光与控制, 2017, 24(03):11-19.

Ren T Z, Zhou R, Li H. An Emotional Intelligence Based Autonomous Decision-making Method for UAVs[J]. Electronics Optics & Control, 2017, 24(03):11-19.

[40] 江道平, 班晓娟, 尹怡欣, 等. 情感理论及基于情感的决策理论与模型研究[J]. 计算机科学, 2007, 34(04):154-170.

Jiang D P, Ban X J, Yin Y X, et al. Research on Emotion Theory and the Decision Models Based on Emotion[J]. Computer Sciecne, 2007, 34(04):154-170.

[41] 代凯峰. 基于情感认知模型的交互式决策方法[D]. 北京:北京化工大学硕士论文, 2014.

Dai K F. Affective Cognitive Model based Interactive Decision- making Approaches[D]. Bejing: The Thesis for the Degree of Master from Beijing University of Chemical Engineering, 2014.

[42] 宿翀. 情感交互式决策方法及其在过程控制中的应用[D]. 北京:北京化工大学博士论文, 2012.

Su C. Affective interaction Based Decision-making Approaches with applications in process Control[D]. Bejing: The Thesis for the Degree of PhD from Beijing University of Chemical Engineering, 2012.

[43] 郭晓宇. 一种具有情感因子的Agent模型及其仿真实现[D]. 长春:吉林大学, 2014.

Guo X Y. An agent model with emotion factor and its simulation[D]. Changchun: Jilin University, 2014.

[44] 董学杰. 基于情感模型的辩论谈判系统研究[D]. 北京:北京工业大学博士论文, 2013.

Dong X J. Research on the debate negotiation system based on emotion model[D]. Beijing: The Thesis for the Degree of PhD from Beijing University of Chemical Engineering, 2013.

[45] 伍京华. 基于Agent的劝说型辩论谈判系统研究[D]. 北京:北京工业大学博士学位论文, 2008.

Wu J H. Research on the debate negotiation system based on emotion model[D]. Beijing: The Thesis for the Degree of PhD from Beijing University of Technology, 2008.

Agent-based on emotional persuasion decision process and model

WU Jinghua, HAN Jiali, WANG Jiaying

( School of management, China University of Mining and Technology (Beijing), Beijing 100083, China)

With the rise of the Internet environment, automatic negotiation has become a research hotspot in the field of artificial intelligence. Especially in the complex negotiation environment, Agent has made the negotiation process more efficient because of its unique intelligence and interaction, and persuasive negotiation takes full consideration of persuasion factors and makes full use of persuasion, making the negotiation process more rational. Because emotion affects human cognition, goal and behavior, it plays an important role in human decision-making process. Therefore, emotion is an integral part of the field of artificial intelligence. Emotion is introduced into the field of Agent persuasion. By constructing emotional Agent, the intelligence and adaptability of Agent are improved and agent persuasion behavior is made. It is more consistent with human behavior, which has become the consensus of scholars.

In the related research, the scholars and experts in this field have studied the persuasion based on Agent and the construction of emotional Agent from different angles, but there are the following problems: 1. the research on emotion is not comprehensive, especially the study of emotion calculation; 2. the research on the application of emotional theory to the Agent persuasion field is less; 3. to Agent More research is on the protocol mechanism, less research on the process of persuasion, especially the influence of emotion on the Agent persuasion process.

In order to solve these problems effectively, this paper takes emotion as an important factor in the process of Agent persuasion, and focuses on Agent's emotional persuasion decision-making process. First, the formal model based on the Agent emotional persuasion decision process is defined. Then the emotional persuasion decision-making process is defined and divided. The emotional persuasion decision process based on Agent is divided into four stages: the evaluation of emotional persuasion, the renewal of emotional persuasion, the adjustment of the emotional persuasion target, and the emotional persuasion. Secondly, through the influence of Agent's personality on emotional trigger threshold, the emotion desalination factor is introduced, Agent emotional trigger function is defined, and the renewal emotion is built in the persuasion state model. Again, the mapping relationship between eight basic emotions and targets is established by defining emotional evaluation factors, and the emotional persuasion target model is constructed. In the end, the emotional persuasion behavior is divided into four categories: incentive emotional persuasion, pleading emotional persuasion, threatening emotional persuasion and antiplea emotional persuasion, and setting up the principle of emotional persuasion and target matching, and constructing emotional persuasion behavior model. Finally, a complete emotional persuasion decision-making process is formed, and the rationality and validity of the model is proved by an example.

To illustrate the above decision process and the effectiveness of the model, an example is designed and analyzed. The example shows that emotional persuasion plays an important role in the decision-making process of Agent and the generation of emotional persuasion. If Agent evaluates the current persuasion to produce happy, dependent, relaxed, gentle, and so on, the emotion that has positive pleasure will encourage Agent to generate incentive or plea emotional persuasion. On the contrary, the feelings of negative pleasure, such as hostility, disdain, boredom, and anxiety, may cause Agent to defer or plead. Type of emotional persuasion. Based on this, the validity of the model is verified, and the important influence of emotion on persuasion decision process is also illustrated.

Agent; Emotional persuasion; Decision making process; Decision making model

2018-10-29

2018-11-26

Funded Project: Supported by the Fundamental Research Funds for the Central Universities (2009QG03)

C931.9；TP315；TP181

A

1004-6062(2020)02-0231-008

10.13587/j.cnki.jieem.2020.02.025

2018-10-29

2018-11-26

中央高校基本科研业务费专项资金资助项目（2009QG03）

伍京华（1978—），男，江西高安人；博士，中国矿业大学（北京）管理学院副教授，硕士生导师；研究方向：管理信息系统、商务智能、多Agent系统、供应链金融、农村金融、市场营销等。

中文编辑：杜 健；英文编辑：Boping Yan