基于多源数据的用户体验分析研究

基于多源数据的用户体验分析研究

论文摘要

随着科技的发展,软件产业正前所未有地改变着人们的衣食住行。面对激烈的市场竞争,用户体验被越来越多的软件公司所重视。各类软件公司通过挖掘用户信息以改进各自的软件,进而提高用户体验,使软件更具竞争力。精准分析用户体验有助于提升用户体验质量并延长软件寿命。用户体验分析包括评估用户体验以及在评估后获得的准确的用户体验上进行分析。精准评估用户体验可以获得真实的用户体验并为后续用户体验分析提供可靠性保障。对用户体验进行分析可以获取与用户体验相关的用户特性和软件因素,进而定位用户群体并通过改进相应的软件因素以提升用户体验,最终获得软件利益最大化。此外,由于用户体验领域中的研究样本较少,在小样本上分析得到的结果准确性得不到保证。因此,本文的目的是准确地评估用户体验,获取充分的用户体验与用户特性以及软件因素三者之间的关系,并且提出用于用户体验小样本的高准确率可解释模型。针对现有主观评估方法或客观评估方法对于用户体验评估具有片面性的问题,本文基于主客观相结合的评估方法对其进行改进以评估用户体验。首先,本文设计了包含用户体验以及用户特性的问卷以获取主观用户体验,然后分析用户体验与用户特性以及软件因素之间的关系,最后利用心率变异性验证以上关系。现有的分析用户体验与相关因素之间关系的方法有统计学习方法和机器学习方法。然而,现有的基于统计学习方法的研究和机器学习模型只得出了部分用户体验与用户特性以及软件因素之间的关系且现有的用于分析用户体验小样本的机器学习模型是不足够准确的。为了充分的分析用户体验关系,本文选用具有可解释性的RIPPER算法。此外,本文改进RIPPER算法中的FOIL信息增益公式以解决该算法在特定值样本缺失时的问题,并利用改进的RIPPER算法分析用户体验与用户特性以及软件因素三者之间的关系。现有的提升小样本分析准确率的方法分为直接作用于小样本上的机器学习方法和利用辅助数据的迁移学习方法。本文首次将迁移学习中的TrAdaBoost算法引入用户体验领域以提升小样本分析的准确率。为了在提高小样本分析准确率的同时解释用户体验与用户特性以及软件因素三者之间的关系,本文基于可解释的迁移决策树提出Transferin Cart(TrCart)算法。此外,本文首次将基于实例的迁移学习算法TrAdaBoost和基于模型的迁移学习算法TrCart结合,得到在用户体验领域小样本上准确率高的且具有可解释性的模型Transfer Adaboost in Cart(TrAdaboostCart)算法。

论文目录

  • 致谢
  • 摘要
  • ABSTRACT
  • 1 引言
  •   1.1 研究背景和意义
  •   1.2 用户体验分析的研究现状
  •     1.2.1 用户体验评估的研究现状
  •     1.2.2 用户体验相关因素分析的研究现状
  •   1.3 基于小样本分析的研究现状
  •     1.3.1 基于机器学习的小样本分析研究
  •     1.3.2 基于迁移学习的小样本分析研究
  •   1.4 研究内容及论文结构安排
  •     1.4.1 研究内容
  •     1.4.2 论文结构安排
  • 2 相关概念和技术
  •   2.1 规则学习的概念和技术
  •     2.1.1 规则学习
  •     2.1.2 序贯覆盖
  •   2.2 迁移学习的概念和技术
  •     2.2.1 迁移学习
  •     2.2.2 迁移学习对本文问题的形式化
  •     2.2.3 迁移决策树
  •   2.3 本章小结
  • 3 基于主客观评估和RIPPER的用户体验分析方法
  •   3.1 主客观结合的用户体验评估方法
  •     3.1.1 基于问卷的主观体验数据提取方法
  •     3.1.2 基于心率传感器的客观体验数据提取方法
  •   3.2 基于RIPPER的用户体验分析方法
  •     3.2.1 规则生成及FOIL改进
  •     3.2.2 规则剪枝
  •     3.2.3 规则优化
  •   3.3 实验设置与结果分析
  •     3.3.1 实验环境及数据集
  •     3.3.2 实验结果与分析
  •   3.4 本章小结
  • 4 基于迁移学习的用户体验小样本分析方法
  •   4.1 TrAdaBoost算法概述
  •   4.2 TrCart算法概述
  •   4.3 TrAdaBoostCart算法概述
  •   4.4 实验设置与结果分析
  •     4.4.1 数据集
  •     4.4.2 实验结果与分析
  •   4.5 本章小结
  • 5 结论
  •   5.1 总结
  •   5.2 展望
  • 参考文献
  • 作者简历及攻读硕士学位期间取得的研究成果
  • 学位论文数据集
  • 文章来源

    类型: 硕士论文

    作者: 于淇

    导师: 车啸平

    关键词: 用户体验,规则学习,心率变异性,迁移学习,移动应用

    来源: 北京交通大学

    年度: 2019

    分类: 基础科学,信息科技,经济与管理科学

    专业: 数学,自动化技术,企业经济

    单位: 北京交通大学

    基金: 国家自然科学基金,数据驱动的被动测试方法研究

    分类号: F274;TP181;O212.2

    DOI: 10.26944/d.cnki.gbfju.2019.000321

    总页数: 69

    文件大小: 5108K

    下载量: 106

    相关论文文献

    • [1].用户体验设计[J]. 设计 2019(23)
    • [2].交互设计在博物馆用户体验中的应用[J]. 建筑与文化 2020(02)
    • [3].如何做合适的用户体验[J]. 中国质量 2019(12)
    • [4].图书馆微信服务的信息性用户体验量化实验研究[J]. 图书馆 2020(03)
    • [5].基于用户体验策略的产品开发设计研究[J]. 艺术与设计(理论) 2020(04)
    • [6].简历、面试和高效的沟通,你考虑到用户体验了吗?[J]. 中国大学生就业 2020(09)
    • [7].用户体验,只是体验的一部分[J]. 中国药店 2020(05)
    • [8].新媒体动画用户体验结构研究——评《新媒体动画用户体验研究》[J]. 中国广播电视学刊 2020(06)
    • [9].用户体验在我国的发展概述[J]. 中国质量 2020(06)
    • [10].抖音:用户体验视角下短视频商机探微[J]. 营销界 2020(04)
    • [11].基于用户体验地图的竹编体验设计[J]. 包装工程 2020(14)
    • [12].《互联网产品用户体验》混合式教学设计与实践[J]. 设计 2020(13)
    • [13].《用户体验设计再研究:从概念到方法》序言[J]. 包装工程 2020(16)
    • [14].聚焦用户体验 致力创新驱动[J]. 中国质量 2020(07)
    • [15].认知任务分析在用户体验设计中的应用研究[J]. 科技风 2020(24)
    • [16].佛吉亚:聚焦用户体验,实现稳健发展[J]. 汽车制造业 2020(03)
    • [17].高端品牌要做好用户体验[J]. 汽车观察 2020(10)
    • [18].构建端到端用户体验工作体系,助力用户感知提升[J]. 广东通信技术 2019(02)
    • [19].基于用户体验的游戏声效反馈延迟研究[J]. 包装工程 2019(12)
    • [20].用户体验视域下设计师角色的转型研究[J]. 产业与科技论坛 2019(12)
    • [21].智慧零售消费场景中用户体验的研究[J]. 时代经贸 2019(17)
    • [22].胶囊咖啡自动贩卖机用户体验设计与实现[J]. 创意与设计 2019(03)
    • [23].国内用户体验设计的发展研究[J]. 工业设计 2019(11)
    • [24].暂时性用户体验的设计与评价[J]. 创意与设计 2019(04)
    • [25].刘伟:用户体验思维在智能生活情境中的应用[J]. 家用电器 2018(03)
    • [26].2018年用户体验设计趋势[J]. 计算机与网络 2018(06)
    • [27].以用户体验为中心提升中国设计[J]. 设计 2018(09)
    • [28].从用户体验的角度浅析政务新媒体的建设[J]. 传播力研究 2018(08)
    • [29].从“用户体验”到“媒体用户体验”——关于媒体用户体验几个基本问题的探析[J]. 新闻与传播评论 2018(01)
    • [30].移动图书馆用户体验研究综述与展望[J]. 图书情报工作 2018(10)

    标签:;  ;  ;  ;  ;  

    基于多源数据的用户体验分析研究
    下载Doc文档

    猜你喜欢