考虑行为和眼动跟踪的用户兴趣模型.pdf

《考虑行为和眼动跟踪的用户兴趣模型.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第35卷第1期河南科技大学学报：自然科学版V01．35N0．12014年2月JournalofHenanUniversityofScienceandTechnology：NaturalScienceFeb．2014文章编号：1672—6871(2014)01—0049—04考虑行为和眼动跟踪的用户兴趣模型苌道方，钟悦(上海海事大学a．物流工程学院；b．科学研究院，上海201306)摘要：针对以往用户建模信息来源单一，用户兴趣判断模糊等缺点，本文以“淘宝网”及其用户为研究背景，将眼动跟踪、人机交互行为记录技术

2、和回归分析相结合，研究用户人机交互行为和眼动跟踪特征和用户兴趣三者之间的相关性，最终建立基于人机交互行为和眼动跟踪的用户兴趣模型。并通过实验验证了该模型的有效性，为今后的智能化推荐系统建立奠定了基础。关键词：人机交互；眼动跟踪；兴趣模型；内容推荐中图分类号：TP391文献标志码：A0引言随着电子商务和物流的快速发展，网上购物越来越便利。但是由于信息过载给网上购物带来了新的困扰¨。而个性化内容推荐系统可以为用户解决这一问题，并且通过对用户信息的挖掘分析发现用户的需求偏好，最终把用户感兴趣的内容和商品推荐给用户

3、。现在国内外的主要研究有用户建模、内容建模和推荐算法这三大核心模块。文献[3—8]提出结合用户的眼睛的基本参数运动特征来判断用户的兴趣。用户的兴趣并不是绝对静止的，而是会随着外部环境的刺激和用户自身情况的改变而变化的，当然也存在着一些相对稳定的兴趣。用户建模需要对用户的兴趣做出客观准确的描述，并建立合理的更新机制。为了客观准确地描述用户的兴趣就需要对得到的用户数据进行结构化处理，细化用户兴趣⋯，力求做到及时有效的反映用户的兴趣状态及特征。目前，多数研究只是结合了用户的显性信息反馈和简单的行为及网页内容的挖掘

4、，缺乏对用户行为和相关心理外在反映的综合考虑，往往忽略了用户的简单无标记的行为，并不能真实反映其真实兴趣这一事实。当前用户兴趣研究对用户的行为分析片面，未对相关的人机交互行为和眼动跟踪特征做定量分析，用户兴趣分类模糊简单，不利于推荐系统精度和准确度的提高，最终影响推荐质量。本研究结合“淘宝网”现有的商品及服务的分类方法，为方便系统推荐的项目内容匹配和模型验证，采用多维空间向量表示法来描述用户兴趣模型⋯。并将以基于人机交互和眼动跟踪的用户兴趣判断为基础，为用户的兴趣判断提供新的方法，并依此为基础为用户兴趣建模

5、，可为更新机制提供新的理论依据。1用户兴趣模型的建立和更新为了建立准确、合理的用户兴趣模型，真实可靠地反映用户的兴趣偏好，最终高效、准确地给电子商务平台的“淘宝网”用户提供个性化的推荐服务，本文结合用户显性和隐性反馈信息，经过处理分析建立“淘宝网”用户兴趣模型。其用户兴趣建模流程如图1所示。1．1用户兴趣度模型的建立根据分析可得用户对网页i的兴趣度与用户的人机交互行为和眼动跟踪参数有关。人机交互行为的综合反映指标网页触发数c，和用户的相对注视时间12]R及瞳孔直径P能很好地反映用户在“淘宝网”网页浏览时的兴

6、趣状态。为了得到用户兴趣度与用户人机交互行为和眼动跟踪特征之基金项目：国家自然科学基金项目(71101090)；上海顶尖学术学科建设项目管理科学与工程；上海教委项目(12ZZ148，13YZ080)；交通运输研究部项目(2012—329—810—180)；上海海事大学研究项目(20120102，20110316，20120125)作者简介：苌道方(1978一)，男，河南封丘人，副教授，博士，硕士生导师，主要研究方向为信息处理与智能决策、人机与环境工程收稿日期：2013—08—30·50-河南科技大学学报：自

7、然科学版间的定量关系，通过实验和分析，利用多元线性回归挖掘用户兴趣度的函数表达式。一．一一一一一一一、，，用户信息获取模块＼：塑疾、用户显眭反馈提取’’I(1)用户人口统计特征用户兴趣ll用户兴(2)用户的背景信息数度估计il趣提取(3)用户的打分及评价据I(4)用户的定制信息挖1用户兴趣表达ll用户’。。一掘一_r～一I用户隐性反馈提取l内1(1)用户的实时人机1容交互行为数据』表、＼匝用户盘=兴_=趣==模_三型／，I示(2)用户的实时眼动——j跟踪数据l兴趣模型更新I(3)用户的实时网页I浏览内容{=

8、=_二=二二=，推荐结果反馈或兴趣需求变化提供推荐结果⋯⋯一一甚一壤图1用户兴趣建模流程设用户对网页的兴趣度是人机交互指数C，、相对注视时间和用户瞳孔直径P的因变量，对每一组统计量c，、R、P，如果有：X=A木Cf+B木R+C术P+，J+，(1)称式(1)为多元线性回归模型。其中，s服从正态分布N(0，)；A，B，c，D为与cr，R和P无关的常量；是随机误差。X=A$C，+BR+CP+D，(2)称式(2)为线性回