Język znaczników emocji - Emotion Markup Language

Emotion Markup Language (EML lub EmotionML) została uprzednio zdefiniowane przez W3C Emotion Inkubator Group (EmoXG) jako ogólnego przeznaczenia emocji adnotacji i języka reprezentacji, które powinny być wykorzystywane w wielu różnych kontekstach technologicznych gdzie emocje muszą być reprezentowane . Obliczenia zorientowane na emocje (lub „ przetwarzanie afektywne ”) zyskują na znaczeniu, ponieważ interaktywne systemy technologiczne stają się coraz bardziej wyrafinowane. Reprezentowanie stanów emocjonalnych użytkownika lub stanów emocjonalnych, które mają być symulowane przez interfejs użytkownika, wymaga odpowiedniego formatu reprezentacji; w tym przypadku używany jest język znaczników .

EmotionML w wersji 1.0 został opublikowany przez grupę w maju 2014 roku.

Historia

W 2006 r. Utworzono pierwszą grupę inkubatorów W3C, Emotion Incubator Group (EmoXG), „w celu zbadania języka reprezentującego stany emocjonalne użytkowników i stany emocjonalne symulowane przez interfejsy użytkownika”. Ostateczny raport opublikowany 10 lipca 2007 r. .

W 2007 roku Emotion Markup Language Incubator Group (EmotionML XG) została utworzona jako kontynuacja Emotion Incubator Group, „aby zaproponować projekt specyfikacji języka znaczników emocji, aby udokumentować go w sposób dostępny dla osób niebędących ekspertami i zilustrować jego użycie w połączeniu z wieloma istniejącymi znacznikami. " Końcowy raport Emotion Markup Language Incubator Group, Elements of an EmotionML 1.0 , został opublikowany 20 listopada 2008 roku.

Następnie prace były kontynuowane w 2009 roku w ramach Multimodal Interaction Activity W3C , a pierwszy publiczny projekt roboczy „Emotion Markup Language (EmotionML) 1.0” został opublikowany 29 października 2009 roku. Ostatni projekt roboczy „Emotion Markup Language 1.0 ", został opublikowany 7 kwietnia 2011 r. Wersja robocza ostatniego zaproszenia dotyczyła wszystkich otwartych kwestii, które wynikły z opinii społeczności na temat projektu roboczego pierwszego zaproszenia, a także wyników warsztatów, które odbyły się w Paryżu w październiku 2010 r. Wraz z ostatnią Call Working Draft, lista słowników dla EmotionML została opublikowana, aby pomóc programistom w używaniu wspólnych słowników do opisywania lub reprezentowania emocji.

Coroczne wersje robocze były publikowane do czasu zakończenia wersji 1.0 w 2014 roku.

Powody zdefiniowania języka znaczników emocji

Standard języka znaczników emocji przydałby się do następujących celów:

• Poprawa komunikacji człowiek-człowiek lub człowiek-maszyna za pośrednictwem komputera . Emocje są podstawową częścią komunikacji międzyludzkiej i dlatego należy je brać pod uwagę, np. W emocjonalnych systemach czatu lub empatycznych skrzynkach głosowych. Obejmuje to specyfikację, analizę i wyświetlanie stanów związanych z emocjami.
• Zwiększenie wydajności przetwarzania systemów. Emocje i inteligencja są ze sobą ściśle powiązane. Modelowanie ludzkich emocji w przetwarzaniu komputerowym może pomóc w budowaniu bardziej wydajnych systemów, np. Przy użyciu modeli emocjonalnych do egzekwowania decyzji krytycznych czasowo.
• Umożliwienie analizy zachowań niewerbalnych, emocji, stanów psychicznych, które można zapewnić za pomocą usług internetowych, aby umożliwić gromadzenie, analizę i raportowanie danych.

Konkretne przykłady istniejącej technologii, w której można zastosować EmotionML, obejmują:

• Eksploracja opinii / analiza nastrojów w sieci Web 2.0, aby automatycznie śledzić podejście klienta do produktu na blogach;
• Monitorowanie afektywne, takie jak żywe aplikacje wspomagane otoczeniem , wykrywanie strachu do celów nadzoru lub używanie czujników do noszenia w celu sprawdzenia satysfakcji klienta
• Technologie odnowy biologicznej, które zapewniają pomoc dostosowaną do stanu emocjonalnego osoby w celu poprawy jej samopoczucia;
• Projektowanie postaci i sterowanie w grach i światach wirtualnych;
• Tworzenie usług internetowych w celu przechwytywania, analizy i raportowania danych o zachowaniu niewerbalnym, emocjach i stanach psychicznych osoby lub grupy w Internecie przy użyciu standardowych technologii internetowych, takich jak HTML5 i JSON.
• Roboty społecznościowe , takie jak roboty prowadzące interakcję z gośćmi;
• Ekspresyjna synteza mowy , generowanie syntetycznej mowy z różnymi emocjami, takimi jak radosna lub smutna, przyjazna lub przepraszająca; ekspresyjna mowa syntetyczna umożliwiłaby na przykład udostępnienie większej ilości informacji osobom niewidomym i niedowidzącym oraz wzbogacenie ich doświadczenia związanego z treścią;
• Rozpoznawanie emocji (np. Do wykrywania wściekłych klientów w systemach dialogowych, w celu ulepszenia gier komputerowych lub aplikacji e-learningowych );
• Wsparcie dla osób niepełnosprawnych, np. Programy edukacyjne dla osób z autyzmem . EmotionML może być używany do wyraźnego wyrażania emocjonalnych zamiarów treści. Umożliwiłoby to osobom z trudnościami w uczeniu się (takimi jak zespół Aspergera ) zrozumienie emocjonalnego kontekstu treści;
• EmotionML może być używany do transkrypcji multimediów i podpisów. Tam, gdzie zaznaczane są emocje, aby pomóc osobom niesłyszącym lub niedosłyszącym, które nie słyszą ścieżki dźwiękowej, dostępnych jest więcej informacji, aby wzbogacić ich wrażenia z treści.

Grupa Emotion Incubator wymieniła 39 indywidualnych przypadków użycia języka znaczników Emotion.

Standaryzowany sposób oznaczania danych potrzebnych takim „systemom zorientowanym na emocje” może potencjalnie pobudzić rozwój przede wszystkim dlatego, że dane opatrzone adnotacjami w ustandaryzowany sposób można łatwiej wymieniać między systemami, co upraszcza rynek emocjonalnych baz danych, oraz standard może być wykorzystany do ułatwienia rynku dostawców podmodułów systemów przetwarzania emocji, np. usługi sieciowej do rozpoznawania emocji z tekstu, mowy lub danych multimodalnych.

Wyzwanie związane ze zdefiniowaniem ogólnie używalnego języka znaczników emocji

Każda próba ujednolicenia opisu emocji za pomocą skończonego zestawu stałych deskryptorów jest skazana na niepowodzenie, ponieważ nie ma zgody co do liczby odpowiednich emocji, nazw, które należy im nadać, ani jak najlepiej je opisać. Na przykład różnica między „:)” a „(:” jest niewielka, ale użycie standardowego znacznika spowodowałoby, że jeden z nich byłby nieprawidłowy. Co więcej, lista stanów związanych z emocjami, które należy rozróżnić, różni się w zależności od domeny aplikacji oraz aspekt emocji, na których należy się skupić Zasadniczo potrzebne słownictwo zależy od kontekstu użycia.

Z drugiej strony, podstawowa struktura pojęć jest mniej kontrowersyjna: ogólnie przyjmuje się, że emocje obejmują wyzwalacze, oceny, uczucia, ekspresyjne zachowania, w tym zmiany fizjologiczne, i tendencje do działania; emocje w całości można opisać kategoriami lub niewielką liczbą wymiarów; emocje mają intensywność i tak dalej. Aby uzyskać szczegółowe informacje, zobacz Naukowe opisy emocji w raporcie końcowym Grupy Inkubatorów Emocji.

Biorąc pod uwagę ten brak zgody co do deskryptorów w tej dziedzinie, jedynym praktycznym sposobem zdefiniowania języka znaczników emocji jest zdefiniowanie możliwych elementów strukturalnych i umożliwienie użytkownikom „podłączania” słowników, które uważają za odpowiednie do ich pracy.

Dodatkowym wyzwaniem jest zapewnienie ogólnie użytecznego języka znaczników. Wymagania, które wynikają z różnych przypadków użycia, są raczej różne. Podczas gdy ręczne adnotacje zwykle wymagają wszystkich drobnoziarnistych rozróżnień rozważanych w literaturze naukowej, systemy automatycznego rozpoznawania są zwykle w stanie rozróżnić tylko niewielką liczbę różnych stanów, a awatary afektywne wymagają jeszcze jednego poziomu szczegółowości, aby wyrazić emocje we właściwy sposób.

Z powodów przedstawionych tutaj jasne jest, że istnieje nieuniknione napięcie między elastycznością a interoperacyjnością, które należy rozważyć przy formułowaniu EmotionML. Wiodącą zasadą w poniższej specyfikacji było zapewnienie możliwości wyboru tylko wtedy, gdy jest to konieczne, oraz zaproponowanie rozsądnych opcji domyślnych dla każdego wyboru.

Aplikacje i usługi internetowe korzystające z języka znaczników emocji

Istnieje szereg istniejących projektów i aplikacji, w których język znaczników emocji umożliwi tworzenie usług sieciowych do pomiaru danych przechwytywania niewerbalnych zachowań osób, stanów psychicznych i emocji oraz umożliwianie raportowania i renderowania wyników w standardowym formacie przy użyciu standardowe technologie internetowe, takie jak JSON i HTML5. Jeden z takich projektów mierzy dane wpływu w Internecie za pomocą EyesWeb.

Zobacz też

• Wpływają na wyświetlanie
• Przyjazny dla autyzmu
• Human Markup Language

Bibliografia