本文運(yùn)用隨機(jī)森林決策樹和最近鄰法等算法,預(yù)測(cè)WEB交互界面不同視覺流程中視覺元素競(jìng)爭(zhēng)結(jié)果的概率分布,為優(yōu)化WEB交互界面布局提供依據(jù)。研究中討論了界面跳動(dòng)型視覺流的主要特點(diǎn),提出WEB交互界面的隨機(jī)跳動(dòng)的視覺流特點(diǎn)來源于其內(nèi)在的視覺競(jìng)爭(zhēng)機(jī)制,對(duì)于競(jìng)爭(zhēng)的影響因子提出猜想,并進(jìn)行相關(guān)性實(shí)驗(yàn)驗(yàn)證。對(duì)于得到驗(yàn)證的影響因子進(jìn)行了訓(xùn)練和數(shù)據(jù)分析,構(gòu)建了模擬競(jìng)爭(zhēng)過程的決策樹和KNN模型。通過界面優(yōu)化實(shí)驗(yàn)結(jié)果,利用用戶行為量化指標(biāo)評(píng)價(jià)優(yōu)化結(jié)果,證明利用這一思路可以顯著改善用戶的視覺流程,使視覺流能夠按照設(shè)計(jì)目標(biāo)進(jìn)行。除此以外,研究實(shí)驗(yàn)將優(yōu)化模型的成果部署到模擬現(xiàn)實(shí)的服務(wù)器環(huán)境中,從用戶行為挖掘的角度出發(fā),闡述并分析用戶數(shù)據(jù)所代表的感性語(yǔ)義,并利用感性語(yǔ)義評(píng)價(jià)優(yōu)化模型的優(yōu)化效果。研究證明構(gòu)建模擬視覺競(jìng)爭(zhēng)模型并用于調(diào)整Web視覺元素,有助于設(shè)計(jì)師更好地把握Web頁(yè)面視覺流,并提升用戶體驗(yàn)。 

【文章來源】：合肥工業(yè)大學(xué)安徽省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：74 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

研究?jī)?nèi)容框架(圖片來源：自制)

第一章緒論3行加工研究[2]。感性工學(xué)的核心是量化分析，借助現(xiàn)代儀器，例如眼動(dòng)儀和腦電波分析儀，或是先進(jìn)的分析識(shí)別算法，讓研究者更便捷地理解測(cè)試者地感性程度和指標(biāo)，甚至是隱藏在潛意識(shí)中地感性，在現(xiàn)代信息技術(shù)的支持下，量化感性特征所能萃取的價(jià)值正在被日漸放大。⒉數(shù)據(jù)挖掘法：數(shù)據(jù)挖掘法就是利用一定的技術(shù)手段在海量的數(shù)據(jù)集中獲取有價(jià)值信息一種方法。數(shù)據(jù)挖掘的方法主要有兩種：一種是分類分析，一種是聚類。分類分析是將聚集的數(shù)據(jù)集按照設(shè)定的規(guī)則，利用數(shù)據(jù)特征指標(biāo)將樣本預(yù)測(cè)分類，而聚類分析是通過各種不同的算法，利用樣本數(shù)據(jù)訓(xùn)練分類模型，分類模型的輸出是樣本數(shù)據(jù)的分類預(yù)測(cè)，從而使新數(shù)據(jù)被快速歸類到具體的類型。⒊眼動(dòng)實(shí)驗(yàn)法：眼動(dòng)儀實(shí)驗(yàn)是通過實(shí)驗(yàn)設(shè)備對(duì)眼睛活動(dòng)的精確描述來推斷其所反映的認(rèn)知活動(dòng)的方法。對(duì)于眼睛活動(dòng)描述的指標(biāo)主要有注視點(diǎn)的分布密度，注視的頻率，掃視的序列，瞳孔的大小等，通過這些數(shù)據(jù)可以分析得出人眼在活動(dòng)觀察時(shí)，人的認(rèn)知、偏好、情緒變化等感性指標(biāo)。⒋問卷調(diào)查法：?jiǎn)柧碚{(diào)查法是研究人通過制定統(tǒng)一的問題合集，向特定人群投放問卷，收集答案并加以統(tǒng)計(jì)的一種研究方法。文中問卷調(diào)查法主要用于驗(yàn)證優(yōu)化實(shí)驗(yàn)的結(jié)果是否達(dá)到設(shè)計(jì)目的。1.4國(guó)內(nèi)外研究現(xiàn)狀近年來，國(guó)內(nèi)外出現(xiàn)了一系列有關(guān)Web用戶行為大數(shù)據(jù)分析有關(guān)的成果，既有一些理念先進(jìn)的概念性的方法，也有實(shí)踐成熟的系統(tǒng)和體系。來自印度的V.Anitha[3]等在論文中梳理了在大量用戶的互聯(lián)網(wǎng)背景下，分析不同算法和不同途徑去挖掘?qū)τ诰W(wǎng)站經(jīng)營(yíng)者有價(jià)值的信息的方法，總結(jié)了Web挖掘的基本體系結(jié)構(gòu)，如圖1.2所示。圖1.2Web挖掘的基本體系結(jié)構(gòu)（圖片來源：自制）Fig.1.2ThebasicsystemofWebmining

第二章相關(guān)研究理論及方法7是幫助用戶判斷是否購(gòu)買這個(gè)商品，所以用戶的核心行為是最終導(dǎo)向的購(gòu)買，而優(yōu)秀的視覺層級(jí)設(shè)計(jì)會(huì)利于引領(lǐng)用戶完成核心行為，從而完成頁(yè)面被設(shè)計(jì)的核心功能。2.1.2視覺流的模式視覺流模型的研究是人機(jī)交互學(xué)科不斷發(fā)展深入所產(chǎn)生的重要技術(shù)手段。設(shè)計(jì)師在構(gòu)建產(chǎn)品的交互界面時(shí)，通過視覺元素引導(dǎo)用戶視覺，而視覺流模型的研究，則是通過總結(jié)并建立規(guī)范化的設(shè)計(jì)模式，讓視覺流理論更容易在實(shí)踐中得到廣泛應(yīng)用。對(duì)于視覺流模型的研究，美國(guó)的DarioD.等首先提出了將視覺追蹤數(shù)據(jù)穩(wěn)定分類處理的算法，利用眼動(dòng)數(shù)據(jù)的時(shí)間和空間分布區(qū)別了不同的眼動(dòng)過程，使后人在建立視覺流模型時(shí)有了可以依循的標(biāo)準(zhǔn)。同樣來自StevenB.提出通過控制網(wǎng)頁(yè)中元素的設(shè)計(jì)模式，可以確定地規(guī)范訪問者地視覺流程，并總結(jié)了最常用的“F模式”和“Z模式”等，如圖2.1所示，從左到右分別為跳動(dòng)型模式，Z模式和F模式。構(gòu)建典型的頁(yè)面視覺流模型，有助于幫助設(shè)計(jì)師把握整體布局的風(fēng)格，以及與之匹配的頁(yè)面功能，把握用戶流向的趨向。將視覺流進(jìn)行不同模型分類并不是絕對(duì)的互斥關(guān)系，而是一個(gè)頁(yè)面中的元素排布適合放在一種模式下進(jìn)行討論，而對(duì)于不同類型的模式研究所得到的普遍規(guī)律和結(jié)論可以幫助設(shè)計(jì)師改善設(shè)計(jì)，將布局抽象化成為模式，其研究的深度也會(huì)得到極大的提高。圖2.1常見的視覺流類型（圖片來源：自制）Fig2.1Severalcommonvisualflows交互設(shè)計(jì)視角下的視覺流（VisualFlow）的概念來源于視覺傳達(dá)學(xué)科中的視覺流程設(shè)計(jì)——設(shè)計(jì)師通過設(shè)計(jì)手段，使用戶與視覺交互界面進(jìn)行交互的過程中，用戶的視覺焦點(diǎn)按照一定的趨勢(shì)或順序流動(dòng)。這種順序或趨勢(shì)對(duì)于商業(yè)產(chǎn)品，無


本文編號(hào)：3306226