移动智能终端用户行为采集及模拟预测框架的设计与实现
|
摘要
当前移动智能终端的各种应用,功能的流程编排只是一个从开发者到用户的单向的过程,大多数仅仅是凭借产品设计人员的经验或者一定范围内的市场调查进行安排的,而且对所有的用户来讲操作流程都是完全相同的,无法根据每一个用户不同的使用习惯为其提供个性化的操作流程。作为提高用户体验的一种方式,本文旨在实现用户操作流程个性化,即同一款应用针对于不同的用户会呈现出贴合该用户使用习惯的个性化的操作方式。
为了实现用户操作的个性化,本文提出了记录用户操作与操作发生时的设备感知信息,在拥有一定数据的基础上训练用户行为模型,对用户行为进行模拟预测的解决方案。本文构建了用户行为采集及模拟预测框架,该框架的设计与实现过程分为两个部分进行阐述：用户行为收集框架、用户行为模型。用户行为收集框架主要负责对用户操作及感知信息的收集,在实现上充分考虑框架的可扩展性,便于开发者对需要采集的信息及存储方式进行扩展。针对于用户行为的模拟与预测,本文以用户行为收集框架所收集的数据为基础,利用用户行为图构建了整个应用的用户操作框架,而在关键节点上采用改进过的决策树对用户的下一步操作进行预测。最终,本文将该框架嵌入到具体应用当中,实现了对用户行为的收集及模拟预测。
本文以用户操作个性化的方式来提高用户体验,设计与实现了用户行为收集及模拟预测框架。首先收集单一用户的操作及设备感知信息,然后根据收集到的数据构建用户行为图,最终利用用户行为图来模拟预测该用户的行为,自动为用户完成某些习惯性操作,使得同一款应用针对于不同的用户呈现贴合该用户习惯的个性化操作方式,达到优化用户体验的目的。
Currently, the function process on most of the wireless intelligent terminal applications is a one-way process from the developers to the users, and most of them depend on the experience of the product designer or the market research. Besides, most of the application just exhibit the function process for different users, can't provide the personality operation experience for the particular user. As one way to improve user experience, this paper aims to realize the personalization of user operation, that is one application will provide different operation process for different users, which juset fit the particular user.
In order to realize the personalization of user operation, this paper comes up with an idea which record user operation and the device information and train the user model based on the data to simulate and predict the user behavior. User behavior collection and simulation prediction framework is built, which can be divide into two parts that are user behavior collection framework and user behavior model. User behavior collection framework is responsible for collecting user operation and device information, which is easy expanding. The developer can expand the collection information and store ways easily. On the other sise, based on the data collected by the user behavior collection framework and using the user behavior graph, user operation framework for the whole application is built, and on the key point decision tree is used to predict user hevavior. At last, the framework is used in a concrete application, realize the collection and simulation prediction of user behavior.
This paper improves user experience by personalizing user operation, designs and realizes the user behavior collection and simulation prediction framework. Firstly collect the user operaion and device information, secondly build the user behavior graph based the collected data, at last simulate and predict the user behavior using the user behavior graph, help user to complete some habitual operation automatically, make one application provide different operation process for different users, achieve the purpose of optimizing the user experience
为了实现用户操作的个性化,本文提出了记录用户操作与操作发生时的设备感知信息,在拥有一定数据的基础上训练用户行为模型,对用户行为进行模拟预测的解决方案。本文构建了用户行为采集及模拟预测框架,该框架的设计与实现过程分为两个部分进行阐述：用户行为收集框架、用户行为模型。用户行为收集框架主要负责对用户操作及感知信息的收集,在实现上充分考虑框架的可扩展性,便于开发者对需要采集的信息及存储方式进行扩展。针对于用户行为的模拟与预测,本文以用户行为收集框架所收集的数据为基础,利用用户行为图构建了整个应用的用户操作框架,而在关键节点上采用改进过的决策树对用户的下一步操作进行预测。最终,本文将该框架嵌入到具体应用当中,实现了对用户行为的收集及模拟预测。
本文以用户操作个性化的方式来提高用户体验,设计与实现了用户行为收集及模拟预测框架。首先收集单一用户的操作及设备感知信息,然后根据收集到的数据构建用户行为图,最终利用用户行为图来模拟预测该用户的行为,自动为用户完成某些习惯性操作,使得同一款应用针对于不同的用户呈现贴合该用户习惯的个性化操作方式,达到优化用户体验的目的。
Currently, the function process on most of the wireless intelligent terminal applications is a one-way process from the developers to the users, and most of them depend on the experience of the product designer or the market research. Besides, most of the application just exhibit the function process for different users, can't provide the personality operation experience for the particular user. As one way to improve user experience, this paper aims to realize the personalization of user operation, that is one application will provide different operation process for different users, which juset fit the particular user.
In order to realize the personalization of user operation, this paper comes up with an idea which record user operation and the device information and train the user model based on the data to simulate and predict the user behavior. User behavior collection and simulation prediction framework is built, which can be divide into two parts that are user behavior collection framework and user behavior model. User behavior collection framework is responsible for collecting user operation and device information, which is easy expanding. The developer can expand the collection information and store ways easily. On the other sise, based on the data collected by the user behavior collection framework and using the user behavior graph, user operation framework for the whole application is built, and on the key point decision tree is used to predict user hevavior. At last, the framework is used in a concrete application, realize the collection and simulation prediction of user behavior.
This paper improves user experience by personalizing user operation, designs and realizes the user behavior collection and simulation prediction framework. Firstly collect the user operaion and device information, secondly build the user behavior graph based the collected data, at last simulate and predict the user behavior using the user behavior graph, help user to complete some habitual operation automatically, make one application provide different operation process for different users, achieve the purpose of optimizing the user experience
引文
[1]柴玮雯.基于用户体验提高iPhone平台效率型应用软件(APP)使用持续性的研究[D].：华东理工大学,2012.
[2]Case D O"Looking for information:a survey of researeh on information seeking, needs, and behavior,Amsterdam NL:Aeademie Press 2002
[3]Kuhlthau C C "Seeking meaning:a process approach to library and information serviees" NorwoodN.J.:AbleX Publishing Page(s):45-51
[4]张结魁.消费者网络信息搜寻行为研究[D].合肥工业大学,2010.
[5]邓小昭.因特网用户信息检索与浏览行为研究[J].情报学报,2003,(6).
[6]姚海燕,邓小昭.网络用户信息行为研究概述[J].情报探索,2010,(2).
[7]刘鹏.网络用户行为分析的若干问题研究[D].北京邮电大学：北京邮电大学,2010.
[8]张永奎.基于分类模板的用户模型构造方法[J].山西大学学报(自然科学版),2002,(2).
[9]蒋方纯.机器学习应用中特征缺失研究[J].深圳信息职业技术学院学报,2012,(3).
[10]陈莉莉.基于贝叶斯网络和互信息的用户模型与个性化检索[D].西南大学：西南大学,2008.
[11]方惠敏.基于BP神经网络的个性化网站界面用户建模[D].河南大学：河南大学,2008.
[12]陆宏菊.基于遗传算法与模糊聚类的网络信息过滤系统的研究[D].山东师范大学：山东师范大学,2008..
[13]张赛男,赵蔚,梁子娟,唐群.面向个人终身学习的数字化学习服务模式中用户模型的构建研究[J].现代远距离教育,2011,(6).
[14]胡明霞。数字图书馆个性化自适应云服务及其用户模型研究[J].科技情报开发与经济,2012,(19).
[15]杨磊,武凌,孙京生.一种基于用户行为静态建模的在线客服系统[J].软件导刊,2010,(4)
[16]刘蓉,陈鹏,张兴艳.个性化网页推荐中基于神经网络的自适应用户模型研究[J].电子测量技术,2007,(4)..
[17]李爱明.个性化搜索引擎用户模型研究[D].华中师范大学：华中师范大学,2007.
[18]陈媛,苟光磊.个性化服务用户模型研究[J].计算机工程与设计,2008,(9).
[19]盛秀杰.基于设计模式和框架的E&P领域基础框架研究[D].：中国地质大学,2010.
[20]谷广涛.设计模式研究及其在软件开发管理系统(Retrack)中的应用[D].：北京邮电大学,2006.
[21]王玉栋.软件设计模式库系统的设计与实现[D].：华中科技大学,2009.
[22]杨秀杰.在线测试系统框架中设计模式的应用研究[J].硅谷,2012,(11).
[23]Erich Gamma, Richard Helm, Ralph Johnson等著,李英军等译.设计模式可复用面向对象软件的基础[M].机械工业出版社,2010,PP.84-88.
[24]Erich Gamma, Richard Helm, Ralph Johnson等著,李英军等译.设计模式可复用面向对象软件的基础[M].机械工业出版社,2010,pp.115-121.
[25]Erich Gamma, Richard Helm, Ralph Johnson等著,李英军等译.设计模式可复用面向对象软件的基础[M].机械工业出版社,2010,pp.194-201.
[26]Erich Gamma, Richard Helm, Ralph Johnson等著,李英军等译.设计模式可复用面向对象软件的基础[M].机械工业出版社,2010,pp.208-214.
[27]黄飞泉,姜弢,马成顺.基于模板匹配的运动目标快速检测与跟踪[J].应用科技,2006,(6).
[28]谭术洋,张根保,麦小锋.基于模板理论的计算机辅助创新平台研究与开发[J].机械设计与制造,2006,(7).
[29]蒋望东,林士敏.基于贝叶斯网络工具箱的贝叶斯学习和推理[J].信息技术,2007,(2).
[30]翟素兰,郑诚.用于入侵检测的基于粗糙集的贝叶斯分类器[J].计算机技术与发展,2006,(1).
[31]陈力,郁亮.基于BP神经网络的情境学习评估模型构建[J].商情(财经研究),2008,(3).
[32]赵静娴.基于决策树的信用风险评估方法研究[D].：天津大学,2009.
[33]郭敏,钱海忠,黄智深,刘海龙,鞠金春.ID3决策树推理模型及其在道路网选取中的应用[J].测绘科学技术学报,2012,(4).
[34]李新安,石冰.基于决策树方法的特定主题Web搜索策略[J].计算机应用,2006,(1).
[35]石东贤.基于粗糙集的决策树旅游景点信用评估模型的设计与实现[J].科技风,2012,(2).
[36]朱宇光,黄树成.一种基于信息熵建立决策树的算法[J].常州工学院学报,2006,(1).
[37]方炜炜,杨炳儒,杨君,周长胜.基于隐私保护的决策树模型[J].模式识别与人 工智能,2010,(6).
[38]胡智喜,唐学忠.基于信息增益法的决策树构造方法[J].计算机与现代化,2006,(3).
[39]陈红英,杨宜民.基于决策树技术的个性化服务Agent[J].微电子学与计算机,2006,(3).
[40]吴成东,许可,韩中华,裴涛.基于粗糙集和决策树的数据挖掘方法[J].东北大学学报,2006,(5).
[41]王熙照,董彦军.模糊决策树的等效剪枝研究[J].计算机工程与应用,2006,(7).
[42]段琳.深入剖析Android Activity[J].中国新技术新产品,2011,(16).
[2]Case D O"Looking for information:a survey of researeh on information seeking, needs, and behavior,Amsterdam NL:Aeademie Press 2002
[3]Kuhlthau C C "Seeking meaning:a process approach to library and information serviees" NorwoodN.J.:AbleX Publishing Page(s):45-51
[4]张结魁.消费者网络信息搜寻行为研究[D].合肥工业大学,2010.
[5]邓小昭.因特网用户信息检索与浏览行为研究[J].情报学报,2003,(6).
[6]姚海燕,邓小昭.网络用户信息行为研究概述[J].情报探索,2010,(2).
[7]刘鹏.网络用户行为分析的若干问题研究[D].北京邮电大学：北京邮电大学,2010.
[8]张永奎.基于分类模板的用户模型构造方法[J].山西大学学报(自然科学版),2002,(2).
[9]蒋方纯.机器学习应用中特征缺失研究[J].深圳信息职业技术学院学报,2012,(3).
[10]陈莉莉.基于贝叶斯网络和互信息的用户模型与个性化检索[D].西南大学：西南大学,2008.
[11]方惠敏.基于BP神经网络的个性化网站界面用户建模[D].河南大学：河南大学,2008.
[12]陆宏菊.基于遗传算法与模糊聚类的网络信息过滤系统的研究[D].山东师范大学：山东师范大学,2008..
[13]张赛男,赵蔚,梁子娟,唐群.面向个人终身学习的数字化学习服务模式中用户模型的构建研究[J].现代远距离教育,2011,(6).
[14]胡明霞。数字图书馆个性化自适应云服务及其用户模型研究[J].科技情报开发与经济,2012,(19).
[15]杨磊,武凌,孙京生.一种基于用户行为静态建模的在线客服系统[J].软件导刊,2010,(4)
[16]刘蓉,陈鹏,张兴艳.个性化网页推荐中基于神经网络的自适应用户模型研究[J].电子测量技术,2007,(4)..
[17]李爱明.个性化搜索引擎用户模型研究[D].华中师范大学：华中师范大学,2007.
[18]陈媛,苟光磊.个性化服务用户模型研究[J].计算机工程与设计,2008,(9).
[19]盛秀杰.基于设计模式和框架的E&P领域基础框架研究[D].：中国地质大学,2010.
[20]谷广涛.设计模式研究及其在软件开发管理系统(Retrack)中的应用[D].：北京邮电大学,2006.
[21]王玉栋.软件设计模式库系统的设计与实现[D].：华中科技大学,2009.
[22]杨秀杰.在线测试系统框架中设计模式的应用研究[J].硅谷,2012,(11).
[23]Erich Gamma, Richard Helm, Ralph Johnson等著,李英军等译.设计模式可复用面向对象软件的基础[M].机械工业出版社,2010,PP.84-88.
[24]Erich Gamma, Richard Helm, Ralph Johnson等著,李英军等译.设计模式可复用面向对象软件的基础[M].机械工业出版社,2010,pp.115-121.
[25]Erich Gamma, Richard Helm, Ralph Johnson等著,李英军等译.设计模式可复用面向对象软件的基础[M].机械工业出版社,2010,pp.194-201.
[26]Erich Gamma, Richard Helm, Ralph Johnson等著,李英军等译.设计模式可复用面向对象软件的基础[M].机械工业出版社,2010,pp.208-214.
[27]黄飞泉,姜弢,马成顺.基于模板匹配的运动目标快速检测与跟踪[J].应用科技,2006,(6).
[28]谭术洋,张根保,麦小锋.基于模板理论的计算机辅助创新平台研究与开发[J].机械设计与制造,2006,(7).
[29]蒋望东,林士敏.基于贝叶斯网络工具箱的贝叶斯学习和推理[J].信息技术,2007,(2).
[30]翟素兰,郑诚.用于入侵检测的基于粗糙集的贝叶斯分类器[J].计算机技术与发展,2006,(1).
[31]陈力,郁亮.基于BP神经网络的情境学习评估模型构建[J].商情(财经研究),2008,(3).
[32]赵静娴.基于决策树的信用风险评估方法研究[D].：天津大学,2009.
[33]郭敏,钱海忠,黄智深,刘海龙,鞠金春.ID3决策树推理模型及其在道路网选取中的应用[J].测绘科学技术学报,2012,(4).
[34]李新安,石冰.基于决策树方法的特定主题Web搜索策略[J].计算机应用,2006,(1).
[35]石东贤.基于粗糙集的决策树旅游景点信用评估模型的设计与实现[J].科技风,2012,(2).
[36]朱宇光,黄树成.一种基于信息熵建立决策树的算法[J].常州工学院学报,2006,(1).
[37]方炜炜,杨炳儒,杨君,周长胜.基于隐私保护的决策树模型[J].模式识别与人 工智能,2010,(6).
[38]胡智喜,唐学忠.基于信息增益法的决策树构造方法[J].计算机与现代化,2006,(3).
[39]陈红英,杨宜民.基于决策树技术的个性化服务Agent[J].微电子学与计算机,2006,(3).
[40]吴成东,许可,韩中华,裴涛.基于粗糙集和决策树的数据挖掘方法[J].东北大学学报,2006,(5).
[41]王熙照,董彦军.模糊决策树的等效剪枝研究[J].计算机工程与应用,2006,(7).
[42]段琳.深入剖析Android Activity[J].中国新技术新产品,2011,(16).