由此，任何情感都可以用这两个维度上的数值来定位。例如， 兴奋 是高唤醒、高效价； 平静 是低唤醒、高效价； 焦虑 是高唤醒、低效价； 抑郁 是低唤醒、低效价。这个公式可以简化为： 情感 ≈ f(效价， 唤醒度) 。有些模型还会加入第三个维度，如支配度，表示个体对情感状态的掌控感。

维度模型提供了比离散模型更细腻、更灵活的情感描述能力，尤其适合处理复杂、混合的情感状态。它构成了许多情感测量工具（如自我报告量表）和情感计算算法（如基于文本、语音、面部表情的情感分析）的核心理论基础。

3. 认知评价理论：公式中的“变量”与“算法”

无论是离散还是维度模型，都主要描述了情感的“输出”状态。而认知评价理论则试图公式化情感产生的“过程”。该理论认为，情感并非直接由事件引发，而是源于个体对事件的解释和评价。例如，理查德·拉扎勒斯的模型指出，情感是由一系列评价维度的结果决定的，包括：

该事件与我的目标相关吗？（相关性）

它对我的目标是有利还是有害？（利害性）

我能应对或控制它吗？（应对潜力）

它是否符合社会规范或自我形象？（规范相符性）

据此，我们可以构想一个更复杂的生成公式： 情感 = f(事件， 个人目标， 认知评价， 应对资源， 社会语境) 。例如， 愤怒 的公式可能包含的评价结果是：事件与目标高度相关（相关性高）、事件有害（利害性为负）、责任归咎于他人（应对潜力评价为受阻碍且他人应负责）。这种公式法将情感与个体的认知框架、人生经历和社会背景动态地联系起来，极大地丰富了情感表达的解释力。

三、 公式化情感的应用价值：清晰性、沟通性与智能性

将情感意识公式化，并非书斋里的智力游戏，它在多个领域展现了巨大的实用价值。

1. 提升情感认知的清晰度与可操作性

对于个体而言，情感公式可以作为一种强大的元认知工具。当一个人能够用“我现在的效价是-0.8，唤醒度是0.9”来代替模糊的“我感觉很糟”时，他实际上完成了一次情感的客体化与明晰化。这种“情感标记”能力是情绪调节和情商发展的关键一步。在临床心理学中，情绪日记、情感量表（如PANAS）正是公式法的简易应用，帮助患者和治疗师追踪情绪波动，识别触发因素，从而更有效地制定干预策略。

2. 促进跨主体情感沟通的标准化

在人际交往、尤其是跨文化、跨语言交流中，情感表达的公式化框架可以充当“罗塞塔石碑”。例如，在描述疼痛时，使用0-10分的视觉模拟量表，远比“有点疼”或“疼死了”更能让医生准确理解患者的感受。在国际团队合作中，明确约定一套表达压力和满意度的沟通协议，可以减少误解，提升协作效率。虽然无法完全传递情感的独特质感，但公式化提供了一个可共同参照的“底线”，确保了基本信息传递的准确性。

3. 驱动人工智能的情感交互能力

这是公式法最引人注目、也是发展最迅猛的应用领域——情感计算。通过将情感模型转化为算法，人工智能系统正试图学习“读懂”和“表达”情感。

情感识别： 通过分析面部肌肉运动单元（基于艾克曼的FACS系统）、语音的声学特征（音高、语速、能量）、文本的词汇和语义（使用情感词典或深度学习模型），AI可以估算出用户的情感状态。其核心公式可以概括为： 预测情感 = 机器学习模型(面部特征， 语音特征， 文本特征) 。

情感表达： 在虚拟角色、社交机器人或智能客服中，AI可以根据情境需要，调用预设的情感表达公式，例如生成相应效价和唤醒度的语音、控制虚拟面部的表情参数、选择合适的情感化词汇。这使得人机交互显得更自然、更有温度。