1.用数学方法描述情绪的重要性

情绪的定义迄今仍无明确的共识。概括地说，情绪是一种多成分、多维量、多种类、多水平整合的复合心理过程。情绪是对趋向知觉为有益的、离开知觉为有害的东西的一种体验倾向。这种体验倾向被一种相应的接近或退避的生理变化模式所伴随；这种模式在不同的情绪中是不同的。情绪既涉及体验，又涉及生理反应，还包含行为。它是有机体的一种复合状态，其组成成分至少应包括情绪体验、情绪表现和情绪生理三种因素。情绪是瞬变的心理——生理现象，它代表机体对不断变化的环境所采取的适应模式。情绪是人类不断进化发展而来的，它有很大的帮助人类适应环境的价值。当代人类有多种情绪早在婴儿早期即已出现，诸如愉快、悲伤、愤怒、惧怕、惊奇、厌恶等等。人们可以很容易地用语言来表达自己的情绪，比如“我感到很高兴”、“我很讨厌这种事情”语言，还可以用表情表达自己的情绪，如当一个人心情很好时就会笑容满面。一些基本情绪的面部表情不需要社会学习就能产生，例如新生儿在饥饿或疼痛时哭叫的表情，温饱、舒适时出现的微笑表情，都是不学就具备的。而且几乎每个正常人无需任何特别训练就能通过语言、表情和姿态来获取别人的情绪状态。然而，要想让计算机具备产生、识别和表达情绪能力却不这么容易，因为计算机是以数值计算的方法对信号进行加工处理的，而复杂的人类情绪是很难进行科学的分析和量化的，目前各领域的情绪研究还无法确立一个可靠的、能够用精确的数字表示情绪的评定系统。

尽管情绪的笼统性和复杂性使得难以对它进行数量分析，但是人们从来没有停止尝试用不同的研究策略，生理学、心理学、语言学、信息论以及计算机科学等不同学科都在对情绪进行不断的研究。

目前，信息学界已经开始对情感进行可计算化研究。虽然情绪在人和其他动物中起着非常重要的作用，但为什么我们要对情感进行可计算化研究呢，或者说为什么要赋予机器情绪系统呢？要对情感进行计算化研究的原因，L.Canamero认为有两个主要方面：

1）从对科学探索的角度，赋予智能体情感可以作为检验人和动物的自然情绪的实验平台，提供一个综合方法来对神经系统的分析研究进行补充。

2）从工程的角度来说，探索情感在生物体中所扮演的一些角色来发展机制和工具，用来增强人工社会和混合智能体社会中的自治性、适应能力和社会交互的能力。对于这个方法根本的假设是，由于情绪是生物体在复杂的、动态的、不可预知的以及资源缺少的环境中生存的适应性机制，那么人工智能体面对这样的环境时，也需要有类似的机制来达到与环境的适应，把情绪作为控制机制。

如果把L.Canamero所说的工程角度方面再细化一下，可以分为三个方面。即情绪可以影响和调节认知过程。在感知和记忆中进行着对信息的加工和选择。按情感的适应性而言，它帮助人选择信息与环境相适应。情感可以协调社会交往。事实上，目前很多对于情绪的可计算化的研究也集中在这三个方面。下面我们对这几个方面分别讨论一下。

（1）适应机制 国际认知科学界的最新发展提出了一系列崭新的概念，包括诸如“情景认知”和“分布认知”等，形成了认知科学的新理论基础——“基于环境的认知研究方向”。这个理论强调人类认知和环境的交互作用关系的根本重要性。因此，在传统人工智能研究中长期被忽略的环境的作用正在认知科学的发展中越来越得到重视。

适应性的思想对计算机科学是十分重要的。人工智能中对适应性的研究主要有两种形式：Brooks的临场人工智能以及Minsky的多智能体（Agent）系统。前者以低级生物为基础，研究群体的自组织行为。后者以人类社会为基础，在限制领域的条件下，研究社会的行为。但对于混合智能系统而言，人是一个带有感情的环境，面对情感环境，要实现适应性可能需要考虑情感对适应性的参与作用。

比如在适应性的一个方面——学习能力中，在传统的刺激-反应学习理论中，通常不考虑情感对适应性的参与作用。但Mowrer及其同事通过大量的试验，发现学习不仅仅只是刺激-反应的发展过程，而且还应该是一个牵涉到情感产生的过程。Mowrer提出的这种双过程模型理论指出：在情感状态中，可以更灵活地学习，并提供新的学习动机来源。

麻省理工学院媒体实验室的B.Blumberg对仿真狗研究中，首先将情感因素引入到学习之中。虽然Blumberg的仿真狗没有显式的情感模型、情感状态或者情绪，但仿真狗的表情和行为受到内部变量的影响，这些变量如同其他诸如饥饿或口渴的内部状态一样代表情感。尽管仿真狗的情感是简单和硬性规定的，却具有一个其他模型中没有的关键特点：学习能力，尤其是情感对所学事物的影响。实际上，仿真狗内部变量的变化能够驱动一个学习过程，从而完成学习任务。

（2）决策 传统人工智能的逻辑推理系统中，没有考虑情感的因素。事实上，正如前面所提到的，情绪的一个重要作用就是对理性思维的影响。灵活而明智地作出决定曾是人工智能研究者最难把握的目标之一。相反，人类总是在解决难题时，对那些带有无数可能答案的问题，毫不费力地作出能使世界上最快的计算机都费力的决策。之所以如此，不仅仅是因为我们在模式认知、学习和推理方面更加优秀，更重要的是，我们更多的是用感觉和直觉来指引推理和作出决策。因此，人工智能界也越来越多地考虑到情绪对认知的影响。诺贝尔奖得主H.Simon在认知基础方面强调：思想和解决问题的基础理论要结合情绪影响。Minsky也认为问题不在于智能机器是否能有情感，而在于如果没有情感机器如何智能。麻省理工学院的Picard也指出，计算机要真正高效地实现决策，就要有与基于规则（Rule-based）系统共同工作的类情感（Emotion-like）装置。

目前，已经有一些研究者在这方面进行了积极的探索。Custodio等人提出的、基于情绪的系统是一种可用于智能控制的模型。J.Gratch建立了一个模型，探讨在军事飞行计划中的情绪对决策的影响。

（3）交流 可能情感所展示的、在交流中的关键作用是目前最吸引那些致力于智能计算领域的研究者注意的，很多研究被吸引到情感的这个方面。

随着科技的发展，我们的工作和生活越来越多地和计算机联系在一起，使得计算机与人类的人机关系越来越紧密。另外，各种各样的机器人也正在浮现，并且会越来越多地出现在我们的周围。这些都引发了一个重要的问题，如何使这些复杂精密的机器和我们能够进行简易、有效、和谐的交流。

在人机交互领域，斯坦福大学的Reeves和Nass进行了一系列研究，他们在研究人的社会关系的经典实验中，让计算机代替部分人的位置。实验表明，人机交流实验结果与人类实验结果相同。Reeves和Nass得出结论：人与计算机间的联系有自然性和社会性。在人机交互中所需要解决的问题同人和人交流中所需要解决的问题是一致的，最关键的都是“情感智能”的能力。

因为人与人的情感交流是自然发生的，我们也期望人机交流时会发生情感交流。在人机交互和机器人的研究中，希望计算机能够富有感情地与人类进行各种交流，在交流中进行自我分析、自我调控以及自我完善，从而使人机交流进行得更为融洽、和谐。虚拟环境的研究者希望通过赋予智能体（Agent）情绪来增加智能体的可信性，使所创造的智能体能够像真实有机体那样被人们理解和接受。情感信息处理是试图赋予计算机类似于人一样的观察、理解和生成各种情感特征的能力，最终目标是达到人机之间和人与人之间一样，能进行自然、亲切和生动的智能交互。

一个拥有情感信息处理能力的计算机，能够对人类的情感进行获取、分类、识别和响应，进而帮助使用者获得高效而又亲切的感觉，并有效减轻人们使用计算机的疲惫感，甚至帮助人们便于理解自己和他人的情感世界。它还能帮助我们增加使用设备的安全性（例如当采用此类技术的系统探测到司机精力不集中时，可以及时改变车的状态和反应）、使经验人性化、让计算机作为媒介进行学习的功能达到最佳化，并从我们身上收集反应信息。例如在信息家电和智能仪器中，增加自动感知人们的情绪状态的功能，可以提供更好的服务。在信息检索应用中，通过情感分析的概念解析功能，可以提高智能信息检索的精度和效率。在远程学习中，能增加教学效果。利用多模式的情感交互技术，可以构筑更贴近人们生活的智能空间或虚拟场景等等。情感信息处理还能应用在机器人、智能玩具、游戏等相关产业中，以构筑更加拟人化的风格。

人工心理理论与感性科学、情感计算都是研究与情感相关的信息。他们都需要测量、识别情感信息，进行情感信息处理并通过计算机来实现，其中对情绪的研究是极其重要的一部分，也是整个情感信息处理研究的基础。研究情绪非常困难，是因为无法将情绪进行直接度量和量化，而要想让计算机能处理情感信息，就要首先对情绪进行数学化表示，然后才能建立情感信息处理模型，才能使计算机具有识别处理乃至产生情感的能力。目前心理学、脑科学、认知科学、计算机科学都越来越关注对情绪的研究，随着对情绪研究的开展，情绪的数学描述的研究也变得越来越重要了。下面从维度空间、概率空间、信息熵及非线性动态系统等方面来详细介绍情绪的数学描述。

目前心理学中有两种不同情绪研究途径：基本情绪论和维度论。基本情绪论认为情绪在发生上有原型形式，即存在着数种人类的基本情绪类型，每种类型各有其独特的体验特性、生理唤醒模式和外显模式，其不同形式的组合形成了人类情绪。如Watson根据对儿童进行的一系列观察，假定有三种类型的基本情绪反应：恐惧、愤怒和爱。他把这三种反应标示为X、Y和Z。从个体发展角度来看，基本情绪的产生是有机体自然成熟的结果，而不是学习得到的。从生物进化的观点看，情绪原型是适应和进化的产物，也是适应和进化的手段。一个孩子出生时对他生存所需的复杂物质和营养需求一无所知，但他拥有许多原始的情绪，如愉快、悲伤、愤怒、害怕、厌恶和惊讶，这些情绪最初为少数事件所诱发，但实际上这些事件在人类祖先的漫长历史中是经常发生的。例如，愉快这种情绪在出生后几周内即有所表现，最初是由那些满足基本生理需求或提示养育者亲近的事件诱发的。微笑是愉快表情的可靠指标，婴儿在吃饱时、睡眠中、被抚摸或被轻轻摇晃时，或听到轻柔的高音调声音时，常常会面露微笑。皮肤被弄疼时，总会引起婴儿哭闹，显得非常不高兴，但温柔的抚摸和摇晃却能让婴儿本能地发出微笑，表现出很舒服的样子。对于基本情绪应包括哪些情绪，则有不同的看法，最常被提到的是厌恶、愤怒、高兴、悲伤、害怕等。支持基本情绪论的最著名的研究是Ekman和Izard进行的面部表情和运动反应的研究。Ekman等要求新几内亚被试者设想自己是某个故事情节中的人物，并且尽可能地表现出故事中人物的面部表情，同时研究人员将他们的面部表现录制下来，然后让美国学生观看并识别这些表情，结果美国学生能够从六种表情中识别出四种表情：快乐、愤怒、厌恶、悲伤。孟昭兰等的实验也证明中国婴儿和西方标准化基本情绪表情模式是一致的；同样，中国婴儿与中国成年人的基本情绪的表情模式也是一致的，社会化了的成人表情中仍然保留着基本表情模式。Levenson等以苏门答腊的年轻人和美国大学生分别作为被试者，指导他们运动面部特定肌肉以表达基本情绪，并进行一系列生理学测量，最后把两组测量结果进行比较，发现与基本情绪相联系的自主神经系统的生理反应模式具有很大的跨文化一致性，这样的实验结果趋向于证实各基本情绪存在着泛人类的特定生理唤醒模式。维克托·S·约翰斯顿在他的著作《情感之源——关于人类情绪的科学》中提到，2岁的小孩就能显露出六种基本的社会性情绪。这些情绪可以通过与之对应的特有面部表情加以识别。微笑、皱眉、瞪眼和怪相分别是快乐、悲伤、愤怒和恐惧的表示。吐舌闭眼是厌恶的表露，而张嘴瞪眼则肯定是惊讶的表露。先天眼盲和耳聋的儿童同样对人的现实生活和精神生活等方面都有重要作用。

1）适应功能：人的行为总是伴随着一定的情绪状态的，情绪是人适应生存的精神支柱。下面从三个方面来理解情绪的适应功能。

首先，高等动物的情绪具有适应功能。表情的发展是情绪的适应功能发展的标志。类人猿等高级灵长类动物，如黑猩猩，有着与人类相似的表情，可以表达喜、怒、哀、乐等基本情绪。生存需要得到满足，有了同伴，它们就欢喜；受到外敌侵犯就怒目圆睁；亲密的同伴死亡时便会悲哀落泪。这些基本情绪是高等动物在生存适应过程中发展、分化出来的。

其次，婴儿的情绪具有适应功能。婴儿的情绪是随他们逐渐适应社会环境而发展起来的。哭是婴儿最具特征的适应方式。婴儿用哭声告诉大人他身体不适、饿了。随着要表达内容的增加、活动范围的扩大，与大人交流的情绪反应也逐渐增加并产生分化。笑对初生的婴儿而言，只是一种生理上舒适的反应，后来在与成人的接触中，婴儿产生主动的微笑反应，才产生了具有社会意义的“微笑”。情绪的社会性参照作用是儿童以情绪为信号进行社会交往的典型例子。如在“视觉悬崖”前儿童往往会驻足不前，视察母亲的表情。如果母亲是支持和鼓励的表情，儿童往往会奋力爬过“视崖”；如果母亲显出担心和害怕，儿童就会畏缩不前。

再次，成人的情绪也具有适应功能。人类除了要存在于一个自然环境中，还会不可避免地存在于一个社会群体中。尤其是现代社会，随着物质文明和精神文明的高度发展，社会变化的速度也越来越快，对人的适应能力的要求也越来越高，情绪调解也就成了适应社会环境的重要手段。人们适应不良时往往会产生挫折感，导致焦虑和紧张。通过适当地调节情绪，降低焦虑和紧张，就能让人更好地适应环境，克服困难。如情绪不好而吃不下饭，就是日常生活中情绪影响适应的明显表现。

2）动机作用：人的各种需要是行为动机产生的基础和主要来源，而情绪是需要是否得到满足的主观体验，它们能激励人的行为，改变行为效率，因此情绪具有动机作用。

积极的情绪状态会成为行为的积极诱因；消极的情绪状态则起消极诱因作用，人们会受激发以摆脱这种状态，这样情绪状态就起到了动机的始动作用和指引功能，使人们追求导致积极情绪的目标而回避导致消极情绪的目标。积极的情绪可以提高行为效率，起正向推动作用；消极的情绪则会干扰、阻碍人的行动，甚至引发不良行为，起反向的推动作用。

研究发现，适度的情绪兴奋性会使人的身心处于最佳活动状态，能促进主体积极地行动，从而增进行为的效率。一定情绪紧张度的维持有利于行为的进行，过于松弛或过于紧张对行为的进程和问题的解决不利。

3）组织功能：情绪这种特殊的心理活动，对其他心理过程而言，是一种检测系统，是心理活动的组织者。积极的情绪具有调节和组织作用，消极的情绪则有干扰、破坏作用。

①促成知觉选择：知觉具有选择性，情绪的偏好是影响知觉选择性的因素之一。比如，婴儿喜欢红、黄色，他们选择玩具时重点是红、黄色的物品，而对其他的却很少注意。

②监视信息的移动：对信息的监视实际上是注意的过程，但情绪和情感对维持稳定的注意起着重要作用。人们对有兴趣、好奇的信息监视准确，而往往忽视自己厌恶、不感兴趣的信息。

③影响工作记忆：情绪对记忆的影响有两个方面：一是喜好影响记忆的效率，人们容易记住喜欢的事物，对不喜欢的记忆起来十分吃力；二是使记忆的内容根据情绪进行归类，在同样情绪状态下，记住的材料更容易回忆起来。

维度论实际上也并没有排斥人类基本情绪的存在。基本情绪在二维空间中具有一定的定位，比如快乐往往属于高唤醒、高正性；悲伤属于低唤醒、高负性。黄宇霞等首先对国际情绪图片系统（International Affectiue Picture System，IAPS）中的300幅图片在愉悦度、唤醒度、控制度三个维度上进行了评定，并且又综合三个维度的评分，将这300幅图片划分为6类，结果发现这6类部分地对应了某些基本情绪类型，如类1和类6诱发快乐情绪，类2较接近为恐惧，类3和类4为厌恶，类5引起的主要是中性情绪，其中类2和类6还包含一些惊奇的情绪成分。然而研究也发现，维度与基本情绪类型之间并不具备一一对应的关系，两者无法实现自由的精确转换。J.G.Yaylor等研究者让被试者识别陌生人的表情，包括中性、快乐、悲伤、愤怒四种表情，并要求分别从评价（相当于快乐度）、唤醒和行为（相当于趋避度）三个维度值对这些陌生面孔进行表情识别。实验结果发现，这四种按照基本情绪分类的表情各自成簇分布在三维空间中，尽管也存在着某些离散分布，但这并没有影响规律性分布的趋势。也许我们能从人类的颜色视觉理论得到启发，情绪体验的自我报告与颜色体验报告并没有本质的不同，一个简单的内在结构可以说明丰富多彩的情感世界和颜色世界。经典的三色说认为存在红、绿、蓝三种基本原色，三原色不同比例的混和形成了所有我们看到的颜色。神经生理学和生物化学等研究证明，对这三原色的视觉加工具有各自不同的神经化学机制。同时，许多研究人员都认为，千姿百态的颜色体验可以用一定的维度空间来表示。但和情绪一样，并没有一个统一的维度标准，或者说不同的颜色维度方法具有各自不同的优势。

2.情绪的维度空间描述(www.daowen.com)

情绪具有多维度结构，维度是情绪的一种特性。维度论认为，几个维度组成的空间包括了人类所有的情绪。情绪的表示可以看作是具有信息度量的多维空间的点在情感空间中的映射，情感计算的基础就是找到这个映射维度论，把不同情绪看作是逐渐的、平稳的转变，不同情绪之间的相似性和差异性是根据彼此在维度空间中的距离来显示的。

情绪的维量（Dimension）系指情绪在其所固有的某种性质上，存在着一个可变化的度量。例如，紧张是情绪具有的一种属性，而当任何种类的情绪发生时，在其紧张这一特性上可以有不同的幅度，紧张度就是情绪的一个维量或变量。

情绪的维量幅度变化有一个特点，维量具有极性（Polarity），即维量是不同幅度上的两极，例如紧张维的两极为“松缓—紧张”。情绪的维量与极性是情绪的一种固有属性，在情绪测量时，必须把它作为一个变量来加以考虑。

迄今提出的维度划分方法是不同的和各式各样的，目前并没有统一的标准来评测哪种维度划分方法更好。下面是对一些维度理论的总结。

（1）情绪的一维表示 维克托·S·约翰斯顿认为，情感的快乐维度可以视为一条标尺，其一端为正极，表示极度快乐，另一端为负极，表示极度不快乐。所有的情感，除了它们的独特性质，比如厌恶、疼痛、骄傲、快乐和悲伤，它们都沿着这一条共同的快乐维度移位。这些移位可看作是相对于当前的快乐尺度的正相或负相变换，同时变换的量值决定了情感体验的强度。快乐可以看作是快乐基调朝向正极的移位，而悲伤这类不快乐则被看作是快乐基调朝向相反方向的移位。当引起负相情绪的事件、因子或情景中止时，孩子会体验到正相快乐基调。也就是说，随着坐标点由负极附近向正极方向的移动，负值有所减少，不愉快的程度也相应降低。同样，悲伤的体验程度——从不满足或不愉快到忧伤甚至抑郁——也将随着负移位量值的改变而变化。

快乐维度是情感共有的重要属性，我们许多不同的情感借此相互影响。父母或好友带来的正向情感可能会大大减弱恐惧、愤怒、内疚或疼痛的不快。更为重要的是，快乐基调的这些正的或负的移位规定了奖赏和惩罚，以及情感的属性。引起正向情感的事件或撤出引起负相情感的事件导致向正极方向的移位，分别被心理学家称为正强化和负强化。心理学家把强化定义为在行为之后能增强行为发生可能性的事件。奖赏是正强化，惩罚是负强化。

（2）情绪的二维表示 虽然心理学界对情绪维度观点各不相同，但大体上可将情绪的维度归纳为正负两极（正性情绪—负性情绪）和强弱两端（强烈的情绪—弱的情绪）。

从本质看，情绪可包含正性情绪和负性情绪。在实践工作中，很需要对情绪的两个维度进行评定。同时，由于人的情绪复杂多样，日常生活中人们习惯用形容词来描述情绪以及其程度。20世纪60年代前的很长一段时期，人们普遍认为情绪是单一维度的，正性情绪与负性情绪有很大的负相关。1966年Wessman和Ricks在对大学生的小样本研究中，发现了正、负情绪互为独立的现象。1969年Braduburn做了进一步研究，他在收集、分析了不同民族的大样本资料的基础上，提出了情绪具有正、负两个不同的、相互独立的维度特征的观点，即个体有正性情绪体验时，并不意味着没有负性情绪的体验；具有强烈负性情绪体验的同时，也可能有较强的正性情绪体验。他们对情绪的理解跨出了原来一个维度的结构框架，而将情绪理解为具有相对独立的两个维度。Zevon和Tellege（1982年）使用因素分析，再一次证明了正、负性情绪的两维度结构。这期间，不同的研究人员根据自己对情绪两维结构的理解，编制和发表了一些正、负性情绪量表。而后，Watson等人对发表的量表进行分析，发现了存在的一些问题，如信度不高、一致性差、鉴别力不够以及冗长的条目等。为此，他们重新编制了正、负性情绪量表。他们先选取了具有代表性的60个条目，然后进行筛选和项目分析，最后选定了20个反应情绪的形容词，其中的10个代表正性情绪，另外10个代表负性情绪。量表发表以来，获得了人们的公认。它不仅在信度、一致性和鉴别力上比原先的量表有了较大的改善，而且简明，使用非常方便。近几年，它被广泛应用于评定社区人群。

方法和测查工具：①正性负性情绪量表（PANAS），采用完全双盲的方法进行英译中和回译。该量表由20个形容词组成，包含了两个情绪维度：正性情绪和负性情绪。正性情绪量表由描述正性情绪的10个形容词组成，如自豪的、热情的、正性情绪分数高，表示个体精力旺盛、能全神贯注和快乐的情绪状况；而分数低表明淡漠。负性情绪量表由描述负性情绪的10个形容词组成，如心烦的、内疚的。负性情绪分数高表示个体主观感觉困惑、痛苦，而分数低表示镇定。量表对正性情绪和负性情绪两个分量表进行统计分析。要求被试者根据自己近一两个星期的实际情况在每一个形容词后面相应的答案上画圈。每一个形容词后有5个选择答案：几乎没有、比较少、中等程度、比较多和极其多。②症状自评量表（SCL-90），统计指标为总分、躯体化、强迫、人际关系、抑郁、焦虑、敌意、恐怖、偏执、精神病症、其他，共11项。此量表为效标工具（摘自正性负性情绪量表的中国人群适用性研究）。

（3）情绪的三维表示 从实验心理学的奠基人德国心理学家冯特（W Wundt）开始，就注意在分类的同时对各种情绪的普遍性质进行概括。1896年冯特提出了情绪三维学说。他认为：感情过程是由三对感情元素构成的，它们是愉快—不愉快（快乐度）、兴奋—沉静（冲动度）、紧张—松弛三种维度。每一维度都有两极性的强弱变化，每一种情绪在具体发生时，都处在这三个维量的两极之间的不同位置上，如图3-6所示。冯特的感情三维理论虽然建立在主观推测的基础上，但却比较符合实际，后来的多种情绪量表都是以此为基础发展起来的，至今冯特的三维理论仍有理论和实际的意义。

冯特之后，美国心理学家吴伟士（Woodworth）继续研究情绪的分类工作。他的学生、美国的心理学家施洛伯格（H.Schlosherg）依据面部表情进行对情绪的分类研究，并于20世纪50年代初对情绪提出新的三维认识，他根据愉快—不愉快（A）、注意—拒绝（B）及激活（C）水平三维特征构成一个倒立的椭圆锥形情绪空间，如图3-7所示。椭圆切面的长轴为快乐维，短轴为注意维，表明情绪的快乐度比注意度可作出更精确的区分，垂直于椭圆平面的激活水平是强度维。通过这三种维度的组合，任何情绪都可以在椭圆锥上找到符合自己的合适位置。他提出的三维量表是西方心理学界根据具体情绪提出的第一个维度情绪量表。

图3-6 冯特（1910年）的情绪三维模式图

图3-7 施洛伯格的情绪三维模式

资料来源：克雷奇等《心理学纲要》，1981

奥斯古德研究维量的方法是，通过使用形容词核对表或评价量表去判断情绪的表现——表情的意义。他在实验中让被试者针对一名演员的表演的活生生的、静止的表情，从40个情绪状态名称中选择一个作为能最恰当地表示对应表情的名称。通过对测试结果的分析，奥斯古德绘制出一个三维量模式，这三个维量是愉快—不愉快维、强度维（相当于睡眠—紧张维）、控制维。控制维可以说是奥斯古德实验技术中特有的维，因为它辨认出了来自环境的那些“演员”所作出的表情。

当今西方心理学界最典型的多维量表是1962年普拉奇克（R.Plutchlk）提出的以两极性、相似性、强度三个维量构成的倒立圆锥情绪空间，如图3-8所示。普拉奇克运用情绪词分析法，用大学生作为被试者进行实验，对情绪词的平均分数用相关方阵作因素分析，以前两个因素的负荷量计算为根据决定每一情绪的位置，根据计算，情绪方阵相关成环形图式。在该圆锥中，每块截面代表一种原始情绪，共有8种原始情绪，垂直方向表示强度变化，每种原始情绪都随着强度的变化而有不同的形式，越上，越分化，越强；越下，越不分化，越弱，截面上处于相邻位置则表示情绪性质接近，处于对角位置的情绪是相对立的，截面中心区域表示冲突，是由混合的动机卷入而形成的。普拉奇克认为，所有情绪都表现出不同的强度，如从忧郁到悲痛；任何情绪在与其他相似情绪的相似程度上都有不同，如憎恨与愤怒比厌恶与惊奇更为相似；任何情绪都有相对立的两极，如憎恨与接受、愉快与悲伤。

图3-8 普拉奇克锥体心理模型

目前比较公认的情绪多维模式是愉悦度、唤醒度和优势度构成的三维模式。

1）愉悦度：其理论基础是正负情绪的分离激活脑成像研究。证实正、负情绪分别是左、右半球优势。惊反射（皱眉肌活动）指标能够反映愉悦度。

2）唤醒度：唤醒的作用是调动机体机能，为行为作准备。皮电反应指标能够反映唤醒度。一般认为，由于人的手指及手掌的汗腺对交感神经兴奋特别敏感，故在紧张、焦虑的情况下会出现精神性发汗，导致皮肤电阻的降低称为皮电反应。

3）优势度是用来衡量优势大小的一个指标。这里是指相对于动机的比较和选择而言，是影响动机强度的因素。

另外，还有一些情绪的维度模式。

布鲁门瑟尔（Blumenthal）认为情绪是注意、唤起和愉快三因素的结合，据此可把这三个因素的特定结合解释为某种情绪。

Millenson认为有些情绪是基本需要（焦虑、欢欣和愤怒），其他情绪则是这些基本情绪的合成。他采用Watson的X、Y和Z因素，发展出一个三维度的情绪坐标系统，以这三种原始情绪作为基本轴线。他提出的模式没有包括所有的人类情绪，但他认为，那些被排除在外的情绪只是原始情绪的混合物。

J.G.Taylor采用评价（相当于快乐度）、唤醒和行为（相当于趋避度）这三个维度值对陌生面孔进行表情识别。

（4）情绪的多维表示

1）Krech四维：克雷奇（Krech）认为强度是指各种情绪由弱到强的变化范围；紧张水平是对要发生动作的冲动而言；复杂度是对多种情绪组合而成的复杂情绪度量；快感度是指情绪在不愉快至愉快之间的变化。根据情绪的四维度模式，可以对情绪进行描述，其强度有多大、紧张水平如何、快感度有多大、复杂程度怎样等，这样就顾及情绪的各个方面了。

2）Izard四维：伊扎德（Izard）最初提出的八种维量是从众多的对情绪情境作自我评估的数据中得出的，后经筛选，确定了四个维量：愉快度、紧张度、激动度、确信度。筛选掉的四个维是：活跃度、精细度、可控度和外向度。伊扎德对所选的四个维量解释是：愉快维表示主观体验的享乐色调；紧张维和激动维都表示情绪的神经生理激活水平，其中紧张维表示个体对情绪情境的突然出现缺乏预料和缺少准备的程度，激动维表示兴奋的程度；确信维表示个体胜任、承受感情的程度。伊扎德的四维说根据客观测量，在一定程度上与冯特的三维说相一致。伊扎德按照他所制订的维度评定量表（DRS）和分化情绪量表（DES）可对情绪体验作出较准确的评估。

3）Frijda六维：弗里达（Frijda）用因素分析技术分析了自己的研究工作，发现了能解释92%变化的六种因素，即情绪的六个维度。①愉快—不愉快；②激活，弗里达对它的描述相当于强度维，而不是睡眠—紧张维，因为此维低端是缺乏表情，而不是睡眠；③类似于施洛伯格的注意—拒绝维，但是把它说成兴趣维更合适，因为此维的低端是无兴趣而不是拒绝；④弗里达发现这一维难以命名，但建议将它称为社会评价或类似于奥斯古德的控制维；⑤和⑥是更小的因素，前者被描述为惊奇，后者为简单—复杂。弗里达特别注意因素②、③，因为它们两者与活动有关。他认为②是情绪的强度或激活，④关系到注意的唤醒，它类似于定向反射。