通过分析游戏行为和个性问卷，我们探索了从记录的游戏行为中预测玩家的个人特质问卷指标的可能性，并尝试通过添加情感对话决策来提高模型的准确性。我们使用随机森林回归方法，在定制化的角色扮演游戏《辐射：新维加斯》的 60 分钟游戏时间内，从 62 位玩家的数据中预测了七个已建立的个性问卷的多种指标。尽管一些个性变量可以从合理的游戏行为和情感表达中识别出来，但我们未能找到预测其他变量的方法，也遇到了一些不能通过理论背景文献来解释的可疑相关性。然而，基于这个探索性研究的初步机会，我们计划大规模扩展我们的数据集，研究更复杂的机器学习方法在真实工业游戏环境中的表现。

Aug, 2023

研究了在机器人和人类交互中，机器人的情感表达对人类决策行为模式的影响，使用自然语言处理模型产生机器人使用的情感表达语句，并在博弈理论的环境中探究人的行为模型。

Jun, 2018

研究调查了 745 名受访者，旨在了解不同应用中关于情感技能的期望和偏好。结果表明，在设计情感智能对话代理时，应根据应用的上下文和性质考虑适应性和情境感知。

Oct, 2023

该研究旨在探讨用户评分在口语对话系统中的作用，特别关注用户的人格特质如宜人性和外向性对于交互评分的影响，并设计和验证了一个虚构故事，以此来调查和诱发这些人格特质。结果表明宜人性与交互评分有着显著的相关性，而选择听故事的用户相对来说更可能提供更高的评分。

Jun, 2022

该研究探讨了大型语言模型（LLMs）利用心理测量值，特别是人格信息，在视频游戏角色开发中的潜力。利用情感计算（AC）系统量化非玩家角色（NPC）的心智，LLM 可以利用该系统的信息通过使用这些数值来生成提示。研究表明 LLM 可以持续地代表给定的人格轮廓，从而增强游戏角色的人类特征。通过重新设计人类检查方法，例如国际人格项目库（IPIP）问卷，来评估 LLM，显示模型可以准确生成与所提供人格有关的内容。结果显示，改进的 LLM，如最新的 GPT-4 模型，可以持续地利用和解释人格以代表行为。

Feb, 2024

本研究通过创新的开放式面试式方法，对 ChatHaruhi 库创建的 32 个角色扮演聊天机器人进行全面的人格评估，评估结果表明基于 LLMs 的现代角色扮演聊天机器人可以有效地描绘对应角色的人格特征，与人类感知的人格匹配率为 82.8％，同时提出了塑造聊天机器人个性的潜在策略。该研究是计算语言学和心理学交叉领域中角色扮演聊天机器人的基础性研究。

Oct, 2023

本文研究了各种影响人格认知的可能偏见源，包括面部表情情绪、吸引力、年龄、性别和种族，以及它们对表观人格估计的影响。使用多模态深度神经网络，综合音频和视觉信息，以及特定属性模型的预测来回归表观人格，并在 ChaLearn First Impressions 数据集上展示了最新的结果。此外，还提供了一种可解释性的网络设计，对每种可能的偏见源对最终网络预测的影响进行了增量分析。

Sep, 2019

本研究探究了通过运动和外观改变对短视频中的个性感知的影响，发现运动风格对外向特质有较强影响，而外观则有助于传达宜人性和神经质。

Jan, 2024

本文提出了一种智能虚拟助手，可通过情感语义解释人类语音情感， 并且通过声音风格转移和人工生成方法生成特定情感的声波，使得与之互动的人有更好的体验。

Apr, 2023

本文通过两项研究来理解用户在语音人机交互过程中的情感状态，尤其关注通信错误或失败时的混乱状态，并探讨其与其他情感状态的关系。通过收集音视频数据和参与者的自我报告，研究分析了与语音虚拟代理交流和非交流相关的问题解决任务。第一项研究基于注释者的观察进行分析，而第二项研究则基于自我报告进行分析。

Jul, 2022