川藏南线自驾游客情感体验的特征与影响机制

以流动性体验为核心的旅游形式在全球化背景下日益流行。作为大尺度流动型旅游形式典型代表的长途自驾游,因冒险、追逐自由、私密、个性化、高不确定性等特征,赋予了游客独特且复杂的情感体验。目前,学界尚缺乏从更为系统的视角关注大尺度流动情境下游客情感体验的特征、前因与影响机制的实证研究。文章基于景观感知理论,采用定量研究与定性研究相结合的方法,以川藏南线(318国道成都至拉萨段)的自驾游客为研究对象,分析游客在大尺度流动情境下的情感体验特征与影响机制。文章发现:1)自驾游客的积极情感体验未达强烈水平,情感体验(尤其是积极情感体验)伴随着自驾这一流动性实践呈现出动态变化的波动特征,且涉及多个维度;2)基于自我需要满足与否、满足程度如何这一标准,自驾游客与环境的互动(包含两组类型、6类特征)促进了他们上述情感体验的产生,并通过动态反馈机制持续影响了情感体验。上述研究发现不仅完善了有关游客情感体验前因和影响机制以及自驾入藏旅游体验的实证研究体系,还为目的地的管理与营销提供了思路。

一种融合情感和策略信息的共情对话生成方法

共情对话旨在为情感焦虑的对话系统聊天用户提供心理健康支持,因此,赋予对话系统共情能力是一个值得关注的问题。现有方法往往只能识别用户的情感状态,并不能根据聊天用户不同的情感状态生成有效的、具有同理心的回复,更不能缓解用户的不良情感。因此,在构建情感支持对话系统的研究中,如何动态地捕捉用户的细粒度情感特征并根据情感特征提供相应的心理支持,需要进一步地探索。该文提出一个情感和策略信息融合的共情对话生成方法,该方法首先使用情感分类网络动态感知用户的情感状态;然后利用支持策略准确地建模策略匹配网络,并根据对话上下文引入对话生成网络进行回复生成;最后,通过比较所提方法和当前较为先进的方法在相应数据集上的实验结果,验证所提方法的有效性以及情感支持的重要性。

基于网络文本分析的博物馆观众情感体验探究——以安徽博物院新馆为例

以安徽博物院新馆作为研究对象,采集网络评论,运用网络文本分析方法,使用ROST CM6软件进行分析,探究安博院新馆观众对博物馆的情感体验。分析结果显示绝大部分观众对安博院新馆持积极情绪,总体体验良好。但从展馆展品、管理服务、安徽地域文化认同维度细化分析,安博院新馆仍存在提升空间。安博院新馆可以通过丰富馆藏文物展览资源、丰富馆内工作人员的相关培训和基础设施服务、丰富文创产品,扩大文化传播空间等方式,进一步提升观众的情感体验,增强安徽文化的吸引力。

生成式AI用户沉迷的成因研究:认知-情感-意向视角

以ChatGPT为代表的生成式AI的爆发式增长,在吸引大量用户注册使用的同时也带来了用户沉迷问题,这可能会影响其持续健康发展。基于认知-情感-意向框架构建模型,采用结构方程模型和模糊集定性比较分析混合方法进行分析。研究结果发现,生成式AI特征包括感知拟人化、感知交互性、感知智能、感知个性化影响沉浸体验和依恋,进而导致用户沉迷。模糊集定性比较分析结果发现了三个引发生成式AI用户沉迷的构型,其中沉浸体验和依恋是共同核心条件。研究结果启示生成式AI企业需要采取措施抑制用户过度的沉浸和依恋情绪,从而防止其沉迷行为,确保生成式AI的健康发展。

结合时间注意力机制和单模态标签自动生成策略的自监督多模态情感识别

大多数多模态情感识别方法旨在寻求一种有效的融合机制,构建异构模态的特征,从而学习到具有语义一致性的特征表示。然而,这些方法通常忽略了模态间情感语义的差异性信息。为解决这一问题,提出了一种多任务学习框架,联合训练1个多模态任务和3个单模态任务,分别学习多模态特征间的情感语义一致性信息和各个模态所含情感语义的差异性信息。首先,为了学习情感语义一致性信息,提出了一种基于多层循环神经网络的时间注意力机制(TAM),通过赋予时间序列特征向量不同的权重来描述情感特征的贡献度。然后,针对多模态融合,在语义空间进行了逐语义维度的细粒度特征融合。其次,为了有效学习各个模态所含情感语义的差异性信息,提出了一种基于模态间特征向量相似度的自监督单模态标签自动生成策略(ULAG)。通过在CMU-MOSI,CMU-MOSEI, CH-SIMS 3个数据集上的大量实验结果证实,提出的TAM-ULAG模型具有很强的竞争力:在分类指标(Acc_(2),F_(1))和回归指标(MAE, Corr)上与基准模型的指标相比均有所提升;对于二分类识别准确率,在CMUMOSI和CMU-MOSEI数据集上分别为87.2%和85.8%,而在CH-SIMS数据集上达到81.47%。这些研究结果表明,同时学习多模态间的情感语义一致性信息和各模态情感语义的差异性信息,有助于提高自监督多模态情感识别方法的性能。

感性体验、情感认同与人格塑造——基于互联网平台的建筑美学课程教学模式研究

以审美教育和情感教育作为切入点,论述了建筑美学与感性体验、情感认同与建筑审美教育的关系。基于互联网技术平台,结合工科院校学生特点和课程特点,提出了以人格塑造设定教学目标、以感性体验设计教学方法、以情感认同构思教学内容的建筑美学课程教学模式,以期解决当前建筑美学课程教学中由于感性体验、情感认同教育缺失造成的人格塑造不全面的问题。

旅游电商直播互动质量对消费者在线购买意愿的影响——基于心流体验的中介和情感信任的调节

直播互动质量已经成为影响旅游电商直播营销成败的关键所在。本文基于心流理论,实证研究了旅游电商直播互动质量对消费者在线购买意愿的影响机制,研究发现:在旅游电商直播情境中,直播互动质量(互动专业性、互动响应性和互动娱乐性)对消费者在线购买意愿均具有显著促进作用,但互动响应性和互动娱乐性的影响效应较强;心流体验是直播互动质量影响消费者在线购买意愿的重要中介机制,即直播互动质量能够提升消费者的心流体验,进而刺激在线购买意愿;情感信任正向调节了直播互动质量对在线购买意愿的影响过程,即消费者对直播间情感信任度越高,直播互动质量对消费者在线购买意愿的促进作用越强。

积极情感体验护理干预在PD-1/PD-L1抑制剂治疗非小细胞肺癌病人中的应用

目的:探讨积极情感体验护理干预模式在程序性死亡分子1(PD-1)/程序性死亡分子配体1(PD-L1)抑制剂治疗非小细胞肺癌(NSCLC)病人中的应用价值。方法:选取本院于2022年1月—2023年1月收治的80例NSCLC病人作为研究对象,所有病人均给予PD-1/PD-L1抑制剂治疗,根据入院时间的先后顺序将先行PD-1/PD-L1抑制剂治疗的40例病人纳入对照组,实施常规护理措施;后行治疗的40例病人纳入研究组,实施积极情感体验护理干预模式。干预3个月后,比较两组干预前后希望水平、心理状态以及生活质量评分。结果:干预后研究组希望水平评分高于对照组(P<0.05);干预2周、干预后研究组SDS、SAS评分低于对照组,差异均有统计学意义(P<0.05);干预后,研究组FACT-L评分及各维度评分均高于对照组,差异有统计学意义(P<0.05)。结论:积极情感体验护理模式可有效改善NSCLC病人的负面情绪,提高病人希望水平,提高病人生活质量,确保PD-1/PD-L1抑制剂治疗顺利进行,促进病情康复。

生成式AI服务文心一言的用户体验研究

研究了生成式AI服务文心一言在年轻用户群体中的用户体验。通过问卷调查、深度访谈和参与观察等方法,全面分析了用户对文心一言的使用经验、满意度及存在的问题。研究发现:文心一言在易用性和个性化服务方面表现良好,但在某些特定领域和复杂问题上的回答准确性仍须提升。基于这些发现,提出了增强数据收集和模型训练、提升模型性能、优化交互设计、专业知识回答能力提升、建立有效的用户反馈机制等改进建议,旨在提升文心一言的用户体验和服务质量。

泉州世遗背景下“海丝”文化酒店情感体验室设计

2021年7月23日,“泉州:宋元中国的世界海洋商贸中心”经联合国教科文组织审议通过列入《世界文化遗产目录》。泉州“海丝”文化是中华文明的重要组成部分,其独特的历史、人文和地理环境孕育了丰富多彩的文化内涵和艺术特色。文章以泉州“海丝”文化酒店为研究对象,通过对酒店内部不同功能区域进行实地调研和分析,结合相关文献资料,从空间布局、色彩搭配、装饰材料等方面入手,探索泉州“海丝”文化元素在酒店情感体验空间方面的设计运用,旨在探讨如何通过设计元素的合理应用来提升顾客的感官感受和心理体验,从而实现情感共鸣与文化认同。

基于强化学习引导预训练模型的情感音乐生成

生成具有特定情感的音乐是可控音乐生成的一个重要子任务。以往的监督学习方法需要依赖带有情感标注的音乐数据集,且存在训练目标与模型优化目标不一致的问题。本文提出了一种强化学习引导的情感音乐生成方法,使用训练好的符号音乐情感分类模型对生成的音乐进行打分,以此作为强化学习的反馈来优化基于GPT-2的自回归音乐生成模型。该方法突破了数据集标注的限制,能够在曲风流派和数据类型相似的无标注符号音乐数据集上训练模型进行情感音乐生成。客观和主观评价结果表明,本文提出的方法可以生成与指定情感类别相匹配的高质量音乐。

情感强度回复生成模型

情感对话生成模型在回复生成中未考虑情感强度因素,导致生成回复的情感表达存在波动不恰当性,降低用户交互体验。受情绪心理学中情感强度工作的启发,提出一种情感强度回复生成模型(EIRGM)。模型包括情感强度预测单元、语境编码模块和情感强度回复生成单元,其中情感强度预测单元为回复语句提供情感类别和情感强度,语境编码模块单元为回复语句提供内容基础,情感强度回复生成单元构成用于回复语句中情感和强度的表达。实验以NLPCC2018开放域对话数据集为基础,开展了情感恰当性、情感强度恰当性、内容关联性以及对话持续性等实验。实验结果表明,EIRGM在情感恰当性方面与最优模型相差不大,在情感强度恰当性和对话持续性方面与最优模型相比分别提升4.1个百分点和0.8个百分点,表明了EIRGM模型在提升情感强度表达恰当性同时也提高了用户交互意愿。

基于生成提示的无监督文本情感转换方法

文本情感转换是在保留内容的基础上更改文本的情感属性。由于缺乏平行语料,现有无监督文本情感转换的方法主要通过文本重建和分类损失来构建情感和内容的潜在表征,实现情感转换。然而,这种弱监督信号训练策略在提示学习范式下的模型性能退化严重。针对以上问题,提出一种基于生成提示的无监督文本情感转换方法。首先,通过提示生成器生成文本内容提示;其次,融合目标情感提示作为最终提示;最后,构建两阶段的训练策略,为模型训练提供平滑的训练梯度以解决模型性能退化的问题。在情感转换的公共数据集Yelp上的实验结果表明,所提方法的文本保留度、情感转换分数和BLEU(BiLingual Evaluation Understudy)显著优于基于生成的方法UnpairedRL,分别提高了39.1%、62.3%和14.5%。

用户体验情感测量与情感识别研究综述

目的梳理用户体验测量要素并总结用户体验情感测量与情感识别方法。方法通过调查法、文献研究法、举例分析法等研究方法,调研国内外用户体验相关经典文献与研究数据,从用户体验主观情感测量与客观数据识别两个方面,梳理分析现有的研究成果与发展脉络,总结对于设计产品适用的测量方法与合理的评价方法。结论设计师通过用户体验测量获悉未达到预期产品与用户的“认知摩擦”,从而提升产品质量。文章梳理了目前用户体验的测量特性与众多测量方法,包括PAD情感量表、积极情绪消极情绪情感量表(PANAS)与SAM量表等基于主观情感测量方法,以及眼动追踪检测、面部表情识别、皮电、脑电与心电等基于客观数据的情感识别方法,分析各类测量方法优势与制约性,总结现有问题并展望未来研究方向。

面向城市建成环境的公众情感体验研究综述

【目的】城市建成环境质量的提升与优化是当前中国城市建设重点关注的问题,公众是建成环境中生活的主体,明确公众对建成环境的情感需求将有利于城市高质量发展并促进公众幸福感提升。【方法】采取CiteSpace文献计量学分析软件对当前城市建成环境中公众情感体验的研究进展和热点进行可视化分析,从数据、内容、方法 3个层面总结情感研究的特点,并提出一套适用于城市情感监测识别的流程。【结果】公众情感体验研究的数据来源广泛,以文本数据为主,缺少对图片、语音等数据的直接分析;情感研究更关注积极情绪的影响因素;情绪识别的方法呈现多模态化,但不同类型信息质量和数量差异较大。【结论】未来城市建成环境中公众情感体验研究需加强对图片、语音等数据的信息融合,明确城市建成环境对不同空间中人群的情感体验影响机制,聚焦于多方法的协同作用,提高研究结果的信度、效度和泛化性,为风景园林研究方向拓展和设计创新提供参考。

融合多情感的语音驱动虚拟说话人生成方法

虚拟说话人生成是人工智能领域的一个重要研究方向,旨在通过计算机生成具有逼真语音的虚拟说话人。然而,现有方法往往忽视情绪表达、生成的人脸图像面部细节缺乏真实感,限制了虚拟说话人的表现能力和交互性。为解决这一问题,提出一种基于Transformer的生成对抗网络(generative adversarial network,GAN)方法,用于生成具有不同情绪的虚拟说话人(GANLTB)。该方法基于GAN架构,生成器采用Transformer模型处理语音和图像特征,结合情绪条件信息和潜在空间向量,生成带有指定情绪的语音和图像。判别器用于评估生成结果的真实性,并提供梯度信号指导生成器训练。通过引入双三次插值法,进一步提升了虚拟说话人生成的图像质量,使得虚拟说话人的面部细节更加清晰可见,表情更加自然和生动。使用情感多样性数据集(CREMA-D)验证了该方法,通过主观评估和客观指标,评估了生成的语音和图像的情绪表达能力和质量。实验结果表明,该方法能够生成具有多样化和逼真情绪表达的虚拟说话人。相比目前其他先进方法,所提方法在流畅度和逼真度等细节上都更加清晰,带来了更好的真实感。

自主生成式亲密关系:青年与人工智能伴侣的互动体验

人工智能正在推动情感消费的转变,青年通过使用人工智能伴侣自主生成亲密关系,重塑了亲密关系的边界。本研究通过考察青年与人工智能伴侣的互动体验尝试理解自主生成式亲密关系的建构逻辑与现实影响。研究发现,青年使用人工智能伴侣的目的包括生成情感代餐、关系克隆和生成原生伴侣;在共享和独享两种情境中,青年通过训练智能体、调整预期和转换角色等策略主动控制与人工智能伴侣的亲密程度,最终形成了与智能体退出互动、间断互动和持续互动三种结果。文章最后讨论了自主生成式亲密关系实践与现实关系的互构过程,分析自主生成式亲密关系带来的影响与潜在风险。

购买希望与苦读时空的再造——“在机构考研”的情感体验与社会心态研究

考研是高校筛选科研人才的重要渠道。近年来,越来越多的青年人选择考研,考研培训机构也日益参与到考生的备考过程中。本研究基于华北地区某考研机构的田野调查,以2020-2023年在机构学习的多次考研人为研究对象,结合深度访谈、个人自述和田野笔记,深描机构考研人的生活图景、情感体验以及其内隐的社会心态。研究发现,在迈过高考的独木桥之后,一些青年人既质疑和批判与高考相连的苦读经验,又在考研学习中选择主动购买集训式管理服务,为自己复刻在高考中取胜的外部情境。在长短不一的考研时空中,培训机构为考研人提供了唤醒身体苦读经验的情感避风港。考研人通过机构的制度化安排主动封闭自我,拒绝外界信息侵扰,为争取胜出自愿维持自我封闭和压抑的状态,承受着无边的焦虑。通过对青年机构考研体验和考研文化的考察,本文认为,有必要重视考研文化折射的苦读心态内隐的社会风险。

基于擦除和生成式模型的情感可解释性分析

情感可解释性分析是近年来比较新颖的研究方向,其目标是在预测文本的情感极性的同时给出决定情感极性的证据片段。该文在仅有情感分类任务数据集的基础上,提出了基于擦除的情感可解释性片段抽取方法,通过被擦除单词对情感极性逻辑判断的波动影响来决定证据的抽取。随后,利用擦除的方法使用模型对公开情感分析数据集中的部分数据进行片段抽取并人工过滤得到有监督数据,再使用T5序列生成式模型进行有监督训练,从而进一步提升证据抽取的性能。最终在“百度2022语言与智能技术竞赛:情感可解释评测”中获得第三名的成绩。

基于用户体验情感化设计理论的元宇宙图书馆发展思考

文章从用户体验视角出发,基于唐纳德·A·诺曼用户体验情感化设计理论,构建元宇宙图书馆用户体验情感化设计模型。分析情感化设计视域下元宇宙图书馆建设要点,主要包括精准把握用户需求、加强用户体验设计、关注用户社交方式、及时掌握用户评价。在此基础上提出了具体策略:构建基于Censydiam模型的元宇宙图书馆情感化设计用户需求发掘模型,以便全方位掌握用户需求;在本能层次和行为层次加强情感化设计,着力打造沉浸式服务体验;扩大用户社交网络体系,保障用户信息数据安全;完善用户反馈体系,既掌握用户显式反馈又留意隐式反馈等。