由于人与人之间的沟通与交流是自然而富有情感的,因此在人机交互过程中,人们也很自然地希望计算机具有认知情感的能力。如何使计算机能够识别、理解和产生类人情感,广泛受到了计算机科学、心理学等学科的关注,并形成了认知情感计算这一交叉领域。为了增强机器人的认知情感分析能力,本文分别对开放域和封闭域两种交互系统中机器人的情感认知进行了研究,主要研究内容如下:针对现有开放域人机交互系统中机器人普遍存在情感缺失、参与人参与度不高的问题,依据PAD(Pleasure-Arousal-Dominance)情感空间提出了一种基于博弈的机器人认知情感交互模型。首先,对参与人的交互输入情感进行评估并分析当前人机交互关系,提取友好度和共鸣度2个影响因素;其次,模拟人际交往的心理博弈过程对参与人和机器人的情感生成过程进行建模,将嵌入博弈的子博弈完美均衡策略作为机器人的最优情感选择策略;最后,根据最优情感策略更新机器人的情感状态转移概率,并以6种基本情感的空间坐标为标签,得出受到情感刺激后机器人情感状态的空间坐标。实验结果表明,与其它认知交互模型相比,所提模型能够减少机器人对外界情感刺激的依赖并有效引导参与人参与人机交互。现有研究在封闭域人机交互系统中大都注重机器人回复内容的质量,忽略了机器人的情感认知,导致参与人的咨询体验较差。针对此问题,提出了一种面向客服机器人的认知情感交互模型。首先,建立基于LSTM(Long Short-Term Memory)的情感分析模型对交互文本进行情感识别;其次,对参与人的交互输入文本进行知识库匹配,返回语义置信度较高的答案作为机器人的候选答案集合,并根据交互条件概率对机器人每个候选答案可能产生的参与人对话文本进行预测;最后,定义奖励函数对候选答案进行评估,选择奖励期望值最高的答案作为客服机器人的最优会话策略。实验结果表明,与其他认知交互模型相比,所提模型在保证回答问题准确度的基础上有效提升了参与人对客服机器人的接受度,促进了和谐的人机交互体验。