DIKWP建模情感：重新定义情感计算

段玉聪

人工智能DIKWP测评国际标准委员会-主任

世界人工意识大会-主席

世界人工意识协会-理事长

(联系邮箱：duanyucong@hotmail.com)

摘要

本报告基于DIKWP模型，探讨如何通过DIKWP核心元素重新定义情感计算。通过详细解析情感的语义生成过程，分析不同情感词汇的传递效率和语义距离，展示DIKWP模型在情感计算中的优势和应用前景。特别关注在认知、信息处理、知识体系、智慧应用和意图设定方面的具体实现，提出一种系统化、可量化的情感计算方法。

引言

在现代人工智能和自然语言处理领域，情感计算一直是一个复杂且重要的研究方向。情感不仅是人类交流的重要组成部分，也是理解和模拟人类行为的关键。然而，传统的情感计算方法常常面临语义模糊、认知复杂度高等问题。段玉聪教授提出的DIKWP模型，通过数据（Data）、信息（Information）、知识（Knowledge）、智慧（Wisdom）和意图（Purpose）五个元素，提供了一种系统化的情感建模框架。

DIKWP模型简介核心元素定义

1. 数据（Data）：感知到的具体事实或现象，通过感知器官（如视觉、听觉等）直接获取的原始信息。

2. 信息（Information）：对数据进行加工和解释，形成具有特定意义的内容。

3. 知识（Knowledge）：对信息进行系统化的理解和抽象，形成可以指导行为和决策的系统性内容。

4. 智慧（Wisdom）：在实际情境中应用知识，综合考虑各种因素，进行合理的决策和行动。

5. 意图（Purpose）：设定的目标和方向，驱动认知过程和行为。

情感计算的DIKWP建模情感词汇的语义形成过程

以“拉扯”为例：

1. 数据（Data）：婴儿看到父母亲在日常生活中对自己进行拉扯的动作，如牵手、拥抱、拉起等。这些动作通过视觉和触觉被感知为具体的事实。

2. 信息（Information）：婴儿理解到这些动作代表了父母亲对自己的关爱和保护。信息处理包括动作的方式和接触的力度。

3. 知识（Knowledge）：形成“拉扯”这一概念，表示通过具体的动作传递关爱和保护。知识抽象包括动作特性和情感关联。

4. 智慧（Wisdom）：应用“拉扯”这一概念进行交流和决策，比如在需要帮助时请求父母拉扯。智慧应用包括与父母交流时使用“拉扯”这一概念。

5. 意图（Purpose）：设定通过理解和使用“拉扯”这一概念表达对父母关爱和帮助的请求。意图设定为通过“拉扯”表达请求和情感。

传递效率和语义距离分析

通过计算不同情感词汇在传递过程中的语义距离和传递效率，可以量化情感词汇的使用效果。以下是详细计算结果：

核心元素	拉扯（La Che）	养育（Yang Yu）	抚养（Fu Yang）	培养（Pei Yang）
数据（Data）	婴儿看到父母进行拉扯动作 C1=1C_1 = 1C1​=1	婴儿看到父母长期照料和培养 C1=2C_1 = 2C1​=2	婴儿看到父母日常照顾和抚慰 C1=2C_1 = 2C1​=2	婴儿看到父母进行教育和培训 C1=2C_1 = 2C1​=2
信息（Information）	理解到这些动作代表关爱和保护 C2=1C_2 = 1C2​=1	理解到这些行为代表全方位照顾 C2=2C_2 = 2C2​=2	理解到这些行为代表关爱和教育 C2=2C_2 = 2C2​=2	理解到这些行为代表知识和技能的教育 C2=2C_2 = 2C2​=2
知识（Knowledge）	形成“拉扯”概念 C3=2C_3 = 2C3​=2	形成“养育”概念 C3=3C_3 = 3C3​=3	形成“抚养”概念 C3=3C_3 = 3C3​=3	形成“培养”概念 C3=3C_3 = 3C3​=3
智慧（Wisdom）	应用“拉扯”进行交流和决策 C4=3C_4 = 3C4​=3	应用“养育”进行交流和决策 C4=3C_4 = 3C4​=3	应用“抚养”进行交流和决策 C4=3C_4 = 3C4​=3	应用“培养”进行交流和决策 C4=3C_4 = 3C4​=3
意图（Purpose）	通过“拉扯”表达请求和情感 C5=2C_5 = 2C5​=2	通过“养育”表达感恩和依赖 C5=3C_5 = 3C5​=3	通过“抚养”表达感恩和依赖 C5=3C_5 = 3C5​=3	通过“培养”表达感激和依赖 C5=3C_5 = 3C5​=3
传递语义距离（D_s）	9	13	13	13
传递效率（E_t）	0.053	0.029	0.029	0.029

具体案例分析案例1：表达父母对孩子的关爱

选择“拉扯”一词，因为它直接描述了具体的动作和情感，传递效率高，容易引起情感共鸣。

案例2：教育孩子感恩

选择“养育”一词，因为它涵盖了父母的长期照顾和教育，但传递效率相对较低，需要更多的认知资源来理解。

未来研究方向

1. 理论完善：进一步完善DIKWP模型中各个距离的计算方法，探索更多应用场景。

2. 工具开发：开发基于DIKWP模型的工具和软件，支持复杂概念的研究和教育。

3. 跨学科应用：将这些距离度量应用于其他复杂概念领域，探索其在不同知识体系中的适用性和有效性。

4. 教育方法改进：基于这些距离度量开发新的教学方法和工具，提升学生对复杂概念的理解和应用能力。

5. 实践验证：通过实际案例验证和改进DIKWP模型，确保其在不同情境和领域中的有效性和可操作性。

结论

通过DIKWP模型重新定义情感计算，可以更系统化、量化地处理情感词汇的语义生成和传递过程。特别是在表达复杂情感和教育过程中，DIKWP模型提供了更高效、更精准的工具，有助于增强人机交互的自然性和智能化。

转载本文请联系原作者获取授权，同时请注明本文来自段玉聪科学网博客。
链接地址：https://blog.sciencenet.cn/blog-3429562-1441500.html

上一篇：DIKWP模型技术报告：详细解析“拉扯”的语义形成过程及同义对比
下一篇：DIKWP建模：从婴儿视角解析“脑是一台状态机器”