基于眼动追踪结合鼠标行为的用户兴趣研究【优秀毕业课程设计】

《基于眼动追踪结合鼠标行为的用户兴趣研究【优秀毕业课程设计】》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、摘要网上购物是英特网带来的一种新的生活方式，每当用户打开购物网站，大量的商品推荐信息涌入用户的视线，随之而来的信息超载无法避免。提高电子商务中的推荐精确度成为各大电商关注的重点。本文先对现有的推荐系统进行介绍分析，找出其中不足，提出结合眼动追踪和鼠标行为改进推荐系统的假设。再运用Smart-Eyes和GazeTracker进行眼动追踪分析和鼠标行为分析，就用户感兴趣时表现出的行为特征进行研究分析，判别用户真正兴趣，找出用户感兴趣时的行为特征，为判别用户真正兴趣提供依据。关键词：行为特征，判别用户兴趣，眼动追踪，鼠标行为AbstractOnlineshoppingis

2、anewstyleoflifewhichbroughtbyinternet.Thegoodsrecommendedinformationpackintousers’lineofsightwheneveruseropensashoppingsite.Theoverinformationoverloadcannotbeavoided.Improvingtheaccuracyofrecommendhasbecomethefocusofattentionoftheonlineretailers.Inthispaper,wefirstlyintroducedandanalys

3、isdetheexistingrecommendationsystemtofindthedefectandproposedanassumptionthatcombinatingeyetrackingandmouseactionswetoimprovetherecommendationssystem.AfterthatweusetheSmart-eyesandtheGazeTrackertoanalysistheeyetracingandmousebehaviorinordertodiscriminateusers’realinterstandtoidentifyth

4、eusers’characteristicsbehaviorwhentheyshowtheinterestwhichcouldprovidethebasisforthediscriminationofusers’realinterest.Keywords:characteristicsbehavior,discriminationofusers’interest,eyestracking,mousebehavior目录1、绪论11.1用户兴趣研究背景与意义11.2推荐系统和眼动技术国内外研究现状11.3本文研究内容和研究方法31.4本文组织结构42、眼动追踪挖掘用户

5、兴趣理论依据52.1通过眼动追踪挖掘用户兴趣可行性分析52.2实验设计说明52.3本章小结93、眼动数据分析103.1AHP层次分析法简介及选择该方法的原因103.2运用AHP层次分析法决定所需眼动参数103.3眼动参数散点图分析143.4本章小结214、鼠标行为分析224.1马尔科夫链定义224.2选择该方法的原因224.3数据记录及分析224.4本章小结265、眼动参数结合鼠标行为结论及论证275.1结合两类参数得出结论275.2结论论证275.3本章小结316、总结与展望326.1总结326.2展望32参考文献33致谢34上海海事大学本科生毕业设计（论文）1、

6、绪论21世纪是个信息化、网络化的时代，随着网络技术的不断发展，现在人们的生活已经很难脱离英特网。网上购物作为英特网的衍生物之一，是现今极为普遍的购物方式，其优势（快捷、实惠、可选择性强、足不出户等）也将使其在成为在未来重要的一个购物模式。1.1用户兴趣研究背景与意义网上购物不同于传统购物，用户不必特地抽出时间出门来到商圈进入店铺挑选需要的商品。网上购物过程通常只有几分钟到几十分钟的时间，浏览购物网站即可接收到各类商品信息。浏览网站即可接收到大量购物信息固然方便，但与此同时产生的信息超载也随之而来，过多的不必要信息甚至是令人产生厌恶感的产品信息反而会削弱用户的购买欲望

7、，缩短用户在网页上停留的时间。如何有效利用用户在网页上停留的几分钟挖掘用户兴趣推荐商品，让用户在几分钟内产生购买欲望，是电商们不得不重视的问题。该问题关键在于用户兴趣的判别，当推荐的商品迎合了用户兴趣，甚至挖掘了用户潜在兴趣时，可极大地提高用户购买欲望和购买概率，从而创造商业效益。准确且有针对性的推荐系统能为电商带来更高的效益，目前的推荐系统研究大多集中在算法，通过研究出更合理准确的算法来推测用户兴趣，但算法研究始终是从用户过往行为中进行总结分析预测用户兴趣，该方法虽久经改进有一定准确性和实用性，但始终停留在理论推测上，不够直接，且某些特征相似性强的用户未必兴趣