W3C 最近发布了情感标记语言(EmotionML)的第一个有效的草案版本,这是一种想要在当前基于计算机的沟通中表达情感的语言,主要有三种主要方式: 为数据做注解,识别基于情感的状态,生成与情感相关的系统行为。
据语言的作者所说,EmotionML 可以在多个领域的应用中发挥作用,像:
- Web 2.0 中的观点挖掘 / 情感分析,以求在博客间自动跟踪客户对产品的态度;
- 情感监控,像面向老年人的生活辅助应用,以监控为目的的恐惧侦测,以及使用可穿戴的传感器来检测客户满意情况;
- 针对游戏和虚拟世界的角色设计与控制;
- 社会化机器人,像旅游者所喜欢的向导机器人;
- 表达性的语音合成,生成带有不同情感的合成语音,像高兴和悲伤,友好或歉意;
- 情感识别(例如在语音对话系统中识别愤怒的客户);
- 对失能人群的支持,像针对有自闭症的人们的教育程序。
EmotionML 文档的基础在于<emotion>
元素,它会拥有以下元素作为子元素: <category>
、 <dimension>
、<appraisal>
、<action-tendency>
。现有多种情感类型集,最短的由 Paul Ekman 创建,它包含六种面部表情的情感: 愤怒、厌恶、恐惧、快乐、悲伤和惊讶。另一组更详细的表情集由 Fontaine, Scherer、Roesch 和 Ellsworth 创建,其中包含 24 种类型。dimension_ 元素也可以根据作者对它的研究拥有不同的值,例如: pleasure, arousal, 和 _dominance. ,这与 _appraisal_ 和 _action-tendency_ 一样,可以在文档中详细描述 _。_
EmotionML 草案中包含了几个例子,包括为图形作注解:
另一个例子展示了系统可以如何解释三种不同情感传感器设备所收集的信息:
还有一个例子演示了对 EmotionML 的第三种应用方式,控制快要没电了的机器人的行为,使其寻找漏电的地方,并避免举起箱子,那样会耗尽剩余的电:
EmotionML 可以和其他标记语言组合使用,像可扩展的多模态注解语言 EMMA ,或者语音合成语言 SSML 。
查看英文原文: Expressing Emotions with a New W3C Markup Language, EmotionML
评论